X2SAM：图像与视频中的通用分割
深度2026年5月6日26 分钟阅读
X2SAM首次在单一模型中统一了图像和视频的任意分割，并支持文本与视觉提示的灵活交互。对于从事多模态分割和视频理解的研究者具有重要参考价值。
本文编译自 X2SAM: Any Segmentation in Images and Videos，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Fable 5 性能强劲但使用限制和成本引发争议。用户称赞其编程和推理能力超越 Opus 4.8，但抱怨使用额度快速耗尽、护栏频繁误判，以及不可选的数据留存政策。
深度The New Stack·6月10日·5 分钟
循环工程（Loop Engineering）是一种将编码代理从交互式助手转变为长期运行执行系统的编排模式。它利用调度、隔离工作区、验证代理和持久记忆等基础组件，让开发者从手动提示中解放出来。
深度The New Stack·6月10日·6 分钟