SAM2

现有视频对象分割方法如SAM2在处理多目标时，计算成本随目标数量线性增长，难以在密集场景中保持实时性。SAM-MT通过解耦全局上下文与个体目标查询，引入稀疏记忆和身份变换器，实现了高效的多目标跟踪与分割。实验显示，在MOSEv2等基准上性能优于SAM2.1-B+，且在10个目标场景下FPS从7.8提升至36.3。需注意，该方法仍为纯视觉架构，极端遮挡下可能存在身份漂移。