SAM 3.1 做视觉版 Ctrl+F：单词提示 286ms 定位 X 光片 50 块骨头
MaziyarPanahi · x · 2026-10-13
开发者 Maziyar Panahi 演示用 Meta 的 SAM 3.1 做「X 光片的 Ctrl+F」：输入 "bone" 一词，模型在 286 毫秒内于手部 X 光片上分割出 50 个骨骼区域；输入 "finger"、"hand" 同样有效，对手术托盘里的 "scissors"、"hammer" 等物品也能按词精准分割。整个流程完全本地运行，仅需一块 NVIDIA A100，模型托管在 Hugging Face（facebook/sam3.1）。
技术细节：SAM 3.1 以文本词作为提示，返回所有匹配目标的掩码，每个词约耗费 0.17–0.29 秒 GPU 时间；作者展示的视频即应用真实录屏，由本地日志会话重绘。作者注明素材为库存影像，并非医疗设备用途。
所属事件:开发者用 SAM 3.1 实现 X 光片版 Ctrl+F(2 条相关)→
「多模态」频道最新
- 被骂惨的 DLSS 5 大幅收敛,《霍格沃茨》版人脸不再崩 — The Verge AI · 2026-10-13
- Runway 9 月创最佳战绩:一个世界模型底座长出四条产品线 — tlakomy · 2026-10-13
- 一条 prompt 让 Claude Opus 5.5 生成完整 K-pop MV，效果碾压 Muse Wonder — minchoi · 2026-10-13
- 开源 ff-tracking 被玩出新花样:AI 字幕跟踪做动态歌词视频 — PurzBeats · 2026-10-13
- AI 生成 Monica Bellucci 大手造型,超现实时尚图像刷屏 — OVolosin82152 · 2026-10-13
- Sarvam AI 发布 Bulbul v4 Flash:更小更快、自然表现力的印度语言 TTS — itsOmSarraf_ · 2026-10-13