一网打尽 SAM 生态资源，快速上手图像分割
这是一个精选资源列表，系统整理了与 Segment Anything 模型（SAM）相关的论文、项目和工具。它解决了 AI 社区中 SAM 生态信息分散、难以追踪的问题，为研究者和开发者提供了一个集中的导航入口。项目核心能力包括：按类别（如论文、应用、教程）组织资源，覆盖图像分割、目标检测、图像修复、Stable Diffusion 集成等方向，并持续更新以跟踪最新进展。通过该列表，用户可以快速发现 SAM 的核心论文、衍生模型（如 MobileSAM、FastSAM）、实用工具（如标注工具）以及与其他 AI 技术（如 ChatGPT、图像生成）的结合案例，从而节省检索时间，加速技术落地。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆资源仓库
把 awesome-segment-anything 仓库完整下载到本地，便于离线浏览全部资源条目。
git clone https://github.com/Hedlen/awesome-segment-anything.git2打开资源列表
进入仓库目录，阅读 README.md，其中按 Papers/Projects 等类别整理了 SAM 生态资源。
cd awesome-segment-anything3按类别检索资源
从 News 与分类标题入手，定位 SAM、SAM 2、MobileSAM 等条目，点击链接跳转到对应论文或项目。
本地目录下能看到 README.md 与 imgs 文件夹，浏览器打开仓库页面可正常浏览各级分类列表。
Q：这是可以安装运行的软件吗？
A：不是。该项目是精选资源列表（awesome-list），只提供论文、项目与工具的链接索引，本身没有可执行的程序或安装包。
Q：README 里没有安装步骤怎么办？
A：因为它是列表型仓库，无需安装。直接克隆或在线浏览 README 即可，本文步骤仅为通用的本地获取方式。
Q：如何找到最新的 SAM 相关工作？
A：查看 README 顶部的 News 小节，其中按时间倒序列出了新增的模型与论文（如 SAM 3、SAM 2.1 等）。
Q：能直接贡献资源吗？
A：可以，按 awesome-list 的惯例通过 Pull Request 向仓库提交新增条目，但具体要求请以仓库当前说明为准。
awesome-computer-vision、awesome-semantic-segmentation、segment-anything
awesome-segment-anything 是计算机视觉领域的开源项目，由 Hedlen 开发，2023 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（1,700）位列前 30%，在计算机视觉分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-15。完全免费，无付费版本。
它主要面向的使用场景是：研究者调研SAM相关论文和衍生模型。同类可对比的替代方案包括 awesome-computer-vision、awesome-semantic-segmentation、segment-anything。
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
DEIMv2
开源
用DINOv3做实时检测，又快又准，直接落地。
[DEIMv2] Real Time Object Detection Meets DINOv3