SAM 2：第一下只选中短裤，再补一点把整个人跟到后续画面

想只给视频里的某个人物调色，先要让遮罩跟着人走。SAM 2的价值是把“在哪一帧指明对象”和“怎样延续到其他帧”连起来；指错或漏选时，还能回到具体画面补点，再重新传播。对后期制作，这比拿到一条无法修改的自动抠像结果更有操作余地。

官方视频notebook没有把过程包装成一次成功。它在卧室视频第0帧点击左侧孩子的短裤，模型最初只把短裤分出来；随后又在上衣补一个正向点击，遮罩才扩展到整个人。这个例子很有代表性：一个点既可能表示“这一件衣服”，也可能表示“穿衣服的人”，模型需要更多信息来消除歧义。

Meta官方notebook保存的第一次结果：绿色星号是正点击，橙色区域只覆盖短裤。

同一官方案例，补上第二个点后得到人物遮罩；两图是官方保存输出，本文未重跑。

先修当前帧，再把决定送到其他帧

案例使用SAM 2.1的large权重和对应配置。视频先整理成按数字命名的JPEG帧，初始化推理状态；每个对象有独立ID，点击坐标与正负标签交给模型。正点表示要包含，负点表示要排除。补第二个点时，官方要求同时发送此前所有点击及标签，而不是只保留最后一次。

当前帧满意后，调用propagate_in_video，得到各帧、各对象的蒙版。官方接着在第150帧发现边缘瑕疵，添加负点修正，再传播一次。这层循环说明真正的可编辑位置：你可以在出问题的时刻纠正对象范围，不必重新描述整段影片。遮挡、转身或快速动作处尤其值得查看，但不能保证所有片段只补一次就够。

人物和衣服可以是不同任务

同一本notebook还演示分别跟踪两个孩子的上衣，并赋予不同对象ID。这个区别对后期很实用：调全身曝光与只改衣服颜色，所需遮罩不同。框也可以作为提示，之后再补正负点；已存在的蒙版同样能输入。它们都是在明确“选哪一部分”，并不直接替你完成换装、补景或调色。

SAM2仓库的当前说明区分初版与2024年9月发布的2.1检查点，不能把不同权重的性能表混为一谈。代码与模型采用Apache 2.0，示例依赖PyTorch等环境；Colab笔记建议A100或L4，T4可能较慢或显存不足。Apple MPS在notebook中仍标为初步支持，不能把可选后端写成等效表现。

把蒙版交给合成软件后，仍需要处理边缘、时间稳定和颜色。SAM 2适合提供可修正、带对象身份的分离材料；角色换景、局部特效与文字遮挡的最终成片，还要由后续图层和合成来完成。