Gemini视觉标注工作流配套资源：SAM3、Falcon等工具清单
mrdbourke · x · 2026-10-23
mrdbourke 为其 Gemini 4 Argon 视觉实测帖补充了资源清单：
- Gemini vision 文档：如何获取图像的边界框/mask
- Gemini video 文档：用 agentic video 做视频理解/编辑（作者用它整理自己的原始素材）
- SAM3：高质量 mask 生成（Gemini 出框 → SAM3 出 mask）
- Falcon Perception / Falcon Perception-HD：轻量本地模型，作者观察到它们在特定文本类 prompt 上表现更好，适合大规模本地运行
与主帖构成完整的 agent 视觉标注工作流参考。
所属事件:实测 Gemini 4 Argon 视觉能力：一句话标出电路板百余元件框(2 条相关)→
「编程与Agent」频道最新
- Reddit 开发者求问：如何防止 Agent 提示词越改越退化 — SleepFlimsy6963 · 2026-10-23
- 接付费商单该用什么模型?Reddit 创作者晒 Claude Code+ComfyUI 工作流 — newaccount47 · 2026-10-23
- 社科学者批 AI 圈：把 Agent 开发当会自动变好的黑箱 — RexDouglass · 2026-10-23
- 网友 vibe coding 出 Tesla Roadster 小游戏，赶在 GTA VI 之前 — Jasonio · 2026-10-23
- Codex CLI 0.164.0 报 account/read 错误，重启 daemon 可解 — bytebot · 2026-10-23
- 同为原生 UI:Swift 版 80MB 仅限 Mac,Zig 版 10MB 三端通吃 — jedisct1 · 2026-10-23