Meta、SAM 3.1公開　object multiplexingでsingle H100上32 FPSのvideo trackingへ

MetaはMarch 27, 2026、Segment Anythingシリーズの更新版としてSAM 3.1を発表した。今回の焦点はreal-time video detectionとtrackingの効率改善である。MetaはSAM 3.1をSAM 3のdrop-in replacementと説明し、中心的な改善としてobject multiplexingを挙げている。これにより最大16個のobjectをsingle forward passで同時に追跡でき、medium-object-count videoではsingle H100 GPU上のthroughputが16 FPSから32 FPSへ伸びるとしている。

この更新が重要なのは、multi-object video trackingがsceneの複雑化に伴って急速に重くなりやすいからだ。Metaによれば、従来はobjectごとに別passが必要で、redundant computationとmemory overheadが発生していた。SAM 3.1はtracked objectsをまとめて処理し、global reasoningを使うことでそのボトルネックを削減する設計になっている。狙いは単なる高速化ではなく、より小さなhardware budgetでもreal-time運用を現実的にすることにある。

Metaが提供する内容

Metaは開発者に対し、SAM 3.1を比較的そのまま導入できるupgrade pathとして使ってほしいと打ち出している。今回の公開にはupdated checkpoint、SAM 3 codebaseの更新、research paper、Segment Anything Playgroundとの互換性が含まれる。これはmedia tools、robotics perception、enterprise video workflowのように、latencyとGPU costが本番導入の可否を左右する領域で特に意味を持つ。

• MetaはSAM 3.1がsingle forward passで最大16個のobjectを追跡できると説明している。
• medium-object-count videoではsingle H100上のthroughputが16 FPSから32 FPSへ上がるとしている。
• 別製品ではなく、SAM 3のdrop-in replacementとして提供される。

今回の発表は、Metaがcomputer vision researchをcreator toolsやcommerce workflowへ接続していく流れとも重なる。MetaはSAM 3系がFacebook MarketplaceのView in Roomなどで使われており、関連するcreation featuresがEdits、Vibes、Meta AI surfacesにも広がる予定だと説明している。SAM 3.1は研究成果の更新であると同時に、open computer-vision modelがacademic demoを越え、実際のproduction loopでlatencyとcostを競う段階に入っていることを示すリリースでもある。