SAM-MT 基于 Segment Anything 2，将多目标视频分割改造成支持交互的实时框架。它用显式查询表示不同目标，并结合共享全局上下文、解耦掩码注意力与稀疏记忆，减少目标间干扰。据摘要，10 个目标时速度超过 36 FPS，延迟不再随目标数线性增长。
最近 24 小时暂无可用热度快照。