SAM3RL：强化学习控制视觉跟踪记忆

2026年10月15日，arXiv Computer Vision 刊出 Tomáš Čížek 等作者的论文，提出 SAM3RL 视觉目标跟踪方法。该方法在 SAM 3 跟踪器上增加一个轻量级记忆控制器，通过强化学习决定哪些帧进入记忆库，以最大化跟踪性能。报道称，SAM3RL 在 12 个跟踪与视频目标分割基准中的 10 个取得新的 SOTA，且无额外运行时开销。同一方法应用于 SAM 2 得到 SAM2RL，在 12 个基准中的 9 个超过手工设计的记忆更新规则，显示其跨模型代际的通用性。目前事件进展为论文发布及方法在基准上的表现，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。