SAM、SAM 2、SAM 3 的架构差异
哪些公司问过
答案要点
- SAM:ViT 图像编码器、提示编码器、轻量双向注意力掩码解码器,输出多候选掩码
- SAM 用数据引擎从人工辅助到全自动构建 SA-1B
- SAM 2:Hiera 编码器加记忆注意力与记忆库,实现视频中的流式跟踪
- SAM 3:支持名词短语或示例图像作为概念提示,分割并跟踪所有实例
- SAM 3 由共享骨干的检测器和跟踪器组成,并加入存在性判断
易错点
- 说 SAM 原生就有文本提示分割能力
- 把 SAM 2 的记忆机制说成简单的逐帧独立分割
- 混淆概念分割与单目标交互式分割
面试官常见追问
- SAM 3 的训练流程大致是怎样的?
- SAM 3 的文本概念数据怎么构建?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。