Segment Anything：Meta开源的万能分割模型，点一下就能抠图

Segment Anything：Meta开源的万能分割模型，点一下就能抠图

图像分割这件事，传统做法是针对每个类别单独训练模型。猫的模型只能分猫，车的模型只能分车，想分新东西就得重新标注数据、重新训练。Meta 的 Segment Anything（简称SAM）把这个逻辑彻底翻了。

这模型能干啥

SAM 的核心能力很直白：给一张图，点一下（或者画个框），它就能把那个东西精确地抠出来。不管图里是猫、是车、是建筑，还是你画的某个色块，统统能分割。

它支持三种输入方式：

• 点击：鼠标点一下你想分割的区域
• 框选：画一个矩形框住目标
• 全图自动分割：不给任何提示，模型自己识别图中所有能分割的对象

底层用的是 Vision Transformer 架构，经过大规模训练后具备零样本泛化能力。简单说就是：不用针对你的具体场景做任何微调，拿过来就能用。

训练数据有多猛

SAM 的训练集叫 SA-1B，包含 1100 万张图像和超过 10 亿个分割标注。这个数据规模在视觉领域相当炸裂。正是靠海量数据的训练，模型才能在各种场景下保持稳定的分割质量。

三个模型版本

项目提供了三种规格的模型，适配不同的硬件和精度需求：

• ViT-B：最轻量，适合显卡一般的环境
• ViT-L：中等规格，效果和速度的平衡点
• ViT-H：最完整的版本，精度最高，需要较好的 GPU

用法很简单，Python 里几行代码就能跑起来。官方还提供了 ONNX 导出支持，甚至有一个纯浏览器端的 React 小 demo，用导出的 ONNX 模型直接在网页里做分割推理。

后续迭代：SAM 2

Meta 后来又发布了 SAM 2，把能力扩展到了视频领域。不只是静态图片，连续的视频帧也能做分割，而且加入了流式记忆机制，可以实时处理。如果你的场景涉及视频，建议直接看 SAM 2。

谁在用

这模型的使用面比想象中广。医学影像分析用它来标注病灶区域，遥感领域用它分割地物，自动驾驶团队拿它做道路场景理解，电商团队用它做商品抠图。核心原因就一个：零样本能力省掉了大量标注和训练成本。

实际体验

SAM 对光照变化、遮挡、模糊等常见图像问题的处理相当稳健。但它也不是万能的。高度重叠的对象有时候会粘连在一起，半透明物体的边界分割不太准确，极端小目标的分割效果也会打折。这些是当前版本的已知局限。

项目采用 Apache 2.0 协议开源，商用也没问题。

如果你平时有抠图、标注、图像分析的需求，SAM 值得花半小时试一下。它未必能替代所有专业工具，但在"快速拿到一个还不错的分割结果"这件事上，目前没有比它更方便的开源方案。

必能替代所有专业工具，但在"快速拿到一个还不错的分割结果"这件事上，目前没有比它更方便的开源方案。