极市导读
SAM-Track在单卡上即可支持各种时空场景中的目标分割和跟踪，包括街景、AR、细胞、动画、航拍等，可同时追踪超过200个物体，为用户提供了强大的视频编辑能力。>>加入极市CV技术交流群，走在计算机视觉的最前沿
Meta AI的SAM「分割一切」模型展现了强大的图像分割能力，但缺乏对视频数据的支持。近期，浙江大学ReLER实验室的科研人员在最新开源的SAM-Track项目中，解锁了SAM的视频分割能力，即：分割并跟踪一切（Segment-and-track anything，SAM-track）。SAM-Track在单卡上即可支持各种时空场景中的目标分割和跟踪，包括街景、AR、细胞、动画、航拍等，可同时追踪超过200个物体，为用户提供了强大的视频编辑能力。
项目地址：
https://github.com/z-x-yang/Segment-and-Track-Anything
SAM-Track通过将SAM与最新的高效多物体跟踪算法DeAOT（NIPS2022）结合，能够进行高精度的视频目标分割/跟踪，且可支持全自动和交互式的分割方式。
自动化视频目标分割/跟踪Demo：
交互视频目标分割/跟踪：
1. 通过点击或边界框指定单个目标物体进行分割/跟踪
2. 通过点击添加多个物体进行分割/跟踪
此外，SAM-Track项目还将提供了WebUI，方便用户开箱即用：
目前，项目V0版本已开源，支持全自动视频分割，项目V1版本计划于下周更新，支持交互式视频分割。
项目成员均来自浙江大学计算机学院ReLER实验室。ReLER实验室由浙江大学求是讲席教授杨易于2021年创立。项目成员包括：徐源佑（在读博士），程阳铭（在读硕士），李刘磊（科研助理），杨宗鑫（博士后），王文冠（百人计划研究员），杨易（教授）。
公众号后台回复“CVPR2023”获取最新论文分类整理资源
极视角动态：推进智能矿山建设，极视角「皮带传输系列算法」保障皮带安全稳定运行！
CVPR2023：CVPR 2023｜21 篇数据集工作汇总（附打包下载链接）
数据集：垃圾分类、水下垃圾/口罩垃圾/烟头垃圾检测等相关开源数据集汇总｜异常检测开源数据集汇总｜语义分割方向开源数据集资源汇总
