核心信息

一个机器人演示将 SAM 3.1 与 Meta 的 DINOv3 结合来追踪外科器械，即使其中一把器械离开场景 15 秒，系统仍能分辨几乎相同的双胞胎器械，整套流程仅需单张 NVIDIA A100。

要点

  • SAM 3.1 与 DINOv3 搭配被作者称为视觉追踪的强强组合
  • 系统能在前臂扫过器械时仍牢牢锁定目标
  • 可区分几乎相同的双胞胎器械：一把消失 15 秒后，系统能准确识别回来的是哪一把
  • 整套配置运行在 Hugging Face Jobs 上的单张 NVIDIA A100