使用视觉与概念提示对眼部图像进行分割：基于Segment Anything Model 3
计算机视觉与模式识别
2026-03-19 v1 人工智能
摘要
先前的研究表明，视觉基础模型在眼部图像分割方面显示出良好的零样性能。本文考察了最新迭代的Segment Anything Model (SAM3)相较于SAM2在眼部图像分割性能上的提升，并探讨了其新型概念(文本)提示模式的性能。评估了包含实验室环境中高分辨率高质量视频以及由TEyeD数据集提供的具挑战性野外眼部视频的眼部图像分割性能。结果显示，在大多数情况下，SAM3采用视觉或概念提示均未优于SAM2，无论是实验室数据还是野外数据。由于SAM2不仅性能更好，而且运行更快，我们得出结论，SAM2仍是眼部图像分割的最佳选择。我们提供了SAM3代码库的适配版本，允许处理任意时长的视频。
引用
@article{arxiv.2603.17715,
title = {Eye image segmentation using visual and concept prompts with Segment Anything Model 3 (SAM3)},
author = {Diederick C. Niehorster and Marcus Nyström},
journal= {arXiv preprint arXiv:2603.17715},
year = {2026}
}