Segment Anything Model 中的提示工程：方法、应用与新兴挑战
计算机视觉与模式识别
2025-07-15 v1 人工智能
摘要
Segment Anything Model (SAM) 通过其创新的基于提示的方法彻底革新了图像分割，但提示工程在其成功中的关键作用仍未得到充分探讨。本文 presents the first comprehensive survey focusing specifically on prompt engineering techniques for SAM and its variants。我们系统地组织和分析了这个新兴领域中不断增长的研究工作，涵盖基本方法、实际应用和关键挑战。我们的审查揭示了提示工程如何从简单的几何输入演变为复杂的多模态方法，使 SAM 能够适应医学成像和遥感等多样化领域。我们识别出提示优化中的独特挑战，并讨论了有前景的研究方向。这项调查通过提供一种结构化框架，帮助理解和推动分割领域基础模型中的提示工程，填补了文献中的重要空白。
引用
@article{arxiv.2507.09562,
title = {Prompt Engineering in Segment Anything Model: Methodologies, Applications, and Emerging Challenges},
author = {Yidong Jiang},
journal= {arXiv preprint arXiv:2507.09562},
year = {2025}
}