SAM2
MoVISA：面向视频目标分割的多 Token 推理
MoVISA 用对象-帧对齐的多个
按生命周期管住记忆，稳住 SAM2 多目标跟踪
丰田欧洲把检测器提示的 SAM2 跟踪写成生命周期记忆完整性问题，用 CTI、ACM、MGG 和可选 SASP 分别处理开轨、再识别、交互漂移与注意力成本；DanceTrack 验证集消融相对基线约 +10.5 HOTA、+17.4 AssA、身份切换降约 96%。预印本，无独立代码，待核验。
SAM-MT：实时交互式多目标视频分割，延迟与目标数无关
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。