SAM 3 是指以 Segment Anything 系列模型为代表的第三代图像分割基础模型，它通过引入概念引导、提示优化和模型剪枝技术，实现了更高效、鲁棒和可控的图像分割，同时在自动化编辑和开放词汇场景中展现出新的能力。
SAM 3 近期进展
与 Nova 模型结合实现自动隐私编辑：AWS 将 SAM 3 类分割能力集成到 Amazon Nova 多模态模型中，通过语言提示自动检测并擦除图像中的个人身份信息（PII），如车牌、人脸等，展示了分割模型在隐私保护场景的实用价值。 原文标题
概念引导的鲁棒上下文分割新范式：研究者提出 CG-ICS 框架，利用概念引导（concept guidance）增强分割模型对目标对象语义和上下文的理解，在复杂背景和噪声干扰下显著提升了分割鲁棒性，为 SAM 3 的泛化能力提供了新思路。 原文标题
图像条件类剪枝加速开放词汇分割：ActiveSAM 方法通过基于图像内容的动态类剪枝策略，只保留与目标相关的类别分支，在保持精度的同时大幅提升开放词汇分割速度，为 SAM 3 在实时场景中的部署铺平了道路。 原文标题
当前焦点与观察点
当前 SAM 3 相关研究的焦点集中在三个方向：一是如何通过语言或概念引导实现更精细的控制，如自动隐私编辑和概念引导分割；二是提升模型对开放词汇和任意目标的适应能力，同时降低计算开销；三是探索分割模型与其他多模态模型的协同，以完成复杂的图像理解与编辑任务。值得关注的是，这些进展虽未直接以“SAM 3”命名，但均以分割基础模型为核心，共同勾勒出下一代分割技术向更智能、更实用演进的方向。