研究团队提出了Segment Anything Model 2（SAM 2），是一个解决图像和视频中可提示的视觉分割的基础模型。SAM 2是一个简单的Transformer架构，具有流式存储器，用于实时视频处理。在广泛的任务中，SAM 2表现出强大的性能，比之前的方法使用更少的交互获得更好的准确性。研究团队相信他们的数据、模型和见解将成为视频分割和相关感知任务的重要里程碑。他们将发布模型的一个版本、数据集和一个交互式演示。

我们提出了Segment Anything Model 2（SAM 2），是一个解决图像和视频中可提示的视觉分割的基础模型。SAM 2是一个简单的Transformer架构，具有流式存储器，用于实时视频处理。在广泛的任务中，SAM 2表现出强大的性能，使用3倍少的交互获得更好的准确性。在图像分割中，SAM 2比Segment Anything Model（SAM）更准确且速度快6倍。将发布模型的一个版本、数据集和一个交互式演示。