本研究提出了多种适配器（如SAM-Adapter和SAM2-适配器），显著提升了Segment Anything Model（SAM）在复杂图像分割任务中的性能，包括伪装物体检测和阴影检测，达到了最先进的结果。这些适配器增强了模型的通用性和组合能力。

本文介绍了SAM-Adapter在医学图像分割中的应用，显著提升了分割性能，超越了现有技术。同时，研究探讨了SAM2在医学图像和视频中的表现，提出了AdapterShadow和Uncertainty-aware Adapter等新方法，展示了在阴影检测和医学图像分割中的优越性。

AdapterShadow是用于阴影检测的适应SAM模型的方法，通过插入适配器来适应阴影图像并生成密集的点提示，实现自动分割阴影。经过实验证明其卓越性能。