解决SAM 3幻觉问题的视频分割新方法
推荐指数 47.0 NO. 021 · 2026.09.09
upvotes26comments2
为什么值得看
ENEAS提出文本驱动的实例追踪与开放语义发现统一框架，通过时序记忆扩展和验证层过滤视觉干扰物。对做视频理解、自动驾驶感知的团队有参考价值，当前视觉基础模型在时序一致性上的短板仍是工程落地瓶颈。
媒体预览
编辑判断
SAM 3 这类模型在视频场景下的幻觉问题被严重低估——物体离开画面仍继续分割、极端特写时碎成纹理、把雕像/倒影当成本体，这些问题在自动驾驶和机器人抓取里会直接造成安全事故。
ENEAS 的验证层设计本质上是在分割后加了一个轻量的语义一致性检查，没有重训大模型，工程成本可控。不过论文里没给推理速度数据，26 upvotes 也说明社区还在观望。
如果你已经在用 SAM 做视频管线，建议等代码开源后重点测它的时序稳定性提升幅度，以及验证层带来的延迟开销是否可接受。