Meta、object multiplexingを導入したSAM 3.1を公開、multi-object video trackingを高速化

MetaがXで述べた内容

2026年3月27日、MetaはSAM 3.1をSAM 3のdrop-in updateとして公開した。X投稿ではobject multiplexingを中心的な変更点として挙げ、accuracyを落とさずにvideo processing efficiencyを大きく改善すると説明している。Metaはさらに、この更新をより小さくアクセスしやすいhardwareでも高性能applicationを成立させるためのものだと位置づけた。

ここが重要なのは、video segmentationやtrackingのworkloadがobject数の増加とともに急速に重くなるからだ。1つか2つのobjectを追うときには問題がなくても、長いvideoの中で多数のobjectを同時に追跡すると計算コストはすぐに膨らむ。MetaはSAM 3.1を単なるcheckpoint更新ではなく、実運用の制約に向けたefficiency改善として打ち出している。

Release noteが補足した点

SAM 3.1のGitHub release noteによれば、今回の更新はObject Multiplexを導入する。これはjoint multi-object trackingのためのshared-memoryアプローチだ。従来のSAM 3 pipelineでは各objectを独立に処理していたため、object数の増加に応じて計算コストもほぼ線形に増えていた。SAM 3.1はobjectを固定容量のbucketにまとめて共同処理することで、重複計算を減らす。

Metaは具体的な改善値も示している。2025年11月版SAM 3と比べて、single H100 GPUで128 object時に約7倍の高速化を実現したという。加えて、CPU-GPU synchronizationの削減、torch.compile対応の改善、postprocessingとvision encoderのbatching拡大といったinference最適化も含まれる。

benchmark結果は全項目で一様な改善として示されているわけではないが、scaling負荷の高い領域では意味のある向上を主張している。Release noteではYT-Temporal-1Bで+2.1 cgF1、さらにMOSEv2で+2.0を含め、7つ中6つのVOS benchmarkで改善があったとしている。Metaは新しいSAM 3.1 checkpointをHugging Faceで公開し、利用には最新repo codeが必要だと案内している。

なぜ重要か

より大きな流れとして、open computer vision modelの競争軸はraw accuracyだけでなく配備効率にも移っている。robotics、video analytics、sports analysis、editing toolのような実務では、単一benchmarkの優位よりもframeあたりのコストや同時追跡数の方が重要になることが多い。

Metaの説明どおりであれば、SAM 3.1はdense multi-object video workflowをより厳しいhardware予算でも回しやすくするはずだ。更新されたcheckpointとcodeが同時に公開されているため、この発表は単なる研究予告ではなく、開発者と研究者がすぐ試せる実務的なreleaseと言える。

出典: Meta AI X投稿 · SAM 3.1 release note