SAM3Dual：第8届大规模视频对象分割（LSVOS）挑战赛MOSEv2赛道的第3名解决方案
SAM3Dual: A 3rd Place Solution to the MOSEv2 Track, 8th LSVOS Challenge
浏览论文内容
中文总结 AI 辅助
该研究提出SAM3Dual作为第8届LSVOS挑战赛MOSEv2赛道第3名方案，通过无训练推理扩展SAM 3，划分时序内存分支并融合，获J&F分数64.37，实现高效长期VOS性能。
中文摘要 AI 辅助
我们提出SAM3Dual，即我们在2026年欧洲计算机视觉会议（ECCV）举办的第8届大规模视频对象分割（LSVOS）挑战赛MOSEv2赛道中获得第3名的解决方案。SAM3Dual是预训练模型SAM 3的无训练推理扩展，它明确将时序内存划分为用于近期观测的短期分支和用于间隔采样历史表示的长期分支。两个内存响应通过确定性的序列相对融合方案组合，并由前一帧的对象置信度进行保守调制。所有预训练的SAM 3参数保持冻结，无需进行特定任务的训练、微调、测试时训练或在线参数优化。该完整系统获得了官方J&F分数64.37，在MOSEv2赛道中排名第3。这一结果凸显了完全在推理时重组时序内存的潜力，以在保留预训练模型的同时获得具有竞争力的长期视频对象分割（VOS）性能。
英文摘要
We present SAM3Dual, our third-place solution to the MOSEv2 track of the 8th Large-scale Video Object Segmentation (LSVOS) Challenge at ECCV 2026. SAM3Dual is a training-free inference extension of pretrained SAM 3 that explicitly separates temporal memory into a short-term branch for recent observations and a long-term branch for interval-sampled historical representations. The two memory responses are combined using a deterministic sequence-relative fusion schedule and conservatively modulated by the previous-frame object confidence. All pretrained SAM 3 parameters remain frozen, requiring no task-specific training, fine-tuning, test-time training, or online parameter optimization. The complete system achieved an official J&F score of 64.37 and ranked third in the MOSEv2 track. This result highlights the potential of reorganizing temporal memory entirely at inference time to obtain competitive long-term VOS performance while preserving the pretrained model.
发表机构
- Chung-Ang University（中央大学）
机构由 AI 辅助整理，请以论文原文为准。
