该报告介绍了一种名为SAMTrack的视频物体分割和跟踪框架，支持多模态交互方法。SAM-Track结合了SAM关键帧分割模型和DeAOT跟踪模型，并融合了Grounding-DINO。该框架在无人机技术、自动驾驶、医学成像、增强现实和生物分析等领域中具有实用性和显着能力。