开发者借 DINOv3 与 SAM 3.1 逐帧追踪乐器运动

开发者 Maziyar Panahi 感谢 Meta 发布 DINOv3 与 SAM 3.1，并预告下一步将用这套视觉模型组合逐帧追踪画面中每件乐器的运动轨迹。其中 DINOv3 负责强泛化的视觉特征提取，SAM 3.1 负责分割，这一搭配近期在开源生态的视频目标追踪任务上颇受关注。