EfficientTAM

EfficientTAM是由Meta AI开发的一款轻量级视频对象分割与跟踪模型，旨在解决SAM 2模型在移动设备部署时计算复杂度过高的问题。该模型采用非层次化的Vision Transformer（ViT）作为图像编码器，并引入高效记忆模块来降低计算复杂度，从而在保证分割质量的同时减少延迟并缩小模型规模。EfficientTAM在多项视频分割基准测试中展现了与SAM 2相当的性能，具备更高的运行效率及更低的参数量，尤其适合于移动设备上的实时视频处理任务。