本研究将SAM与开放词汇目标检测器集成，引入了SideFormer和Open-set RPN等创新方法，提升了SAM在检测任意对象和开放词汇识别方面的性能。Sambor在基准测试中表现出卓越的零样本性能，与之前的最先进方法竞争力十足，为SAM的识别多样化对象类别和促进视觉基础模型的开放词汇学习提供了有意义的努力。