标准回答
任务定位
SAM（Segment Anything Model）是一个「可提示分割」基础模型：给定一张图和一个提示（点/框/掩码），输出该提示指向区域的分割掩码，无需针对新类别重新训练。
架构三部分
- 图像编码器：重型 ViT，将整图编码为特征，对每张图只计算一次，可被多次提示复用。
- 提示编码器：把点、框、掩码等稀疏/稠密提示编码为嵌入。
- mask 解码器：轻量结构，融合图像特征与提示嵌入，快速输出掩码，并预测多个候选以应对歧义。
训练与泛化
在 SA-1B 数据集（约 1100 万图、11 亿掩码）上训练，规模化掩码标注带来强零样本泛化：对未见过的物体和领域也能分割。下游只需给提示即可，是「分割界的基础模型」范式。
常见误区
⚠️ 常见踩坑
SAM 做的是类别无关的「分割一切」，本身不输出语义标签；要得到「这是猫」需配合检测/分类模型给出框或文本提示。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。