提示指定本次目标，训练学会响应提示
主线阅读与优先实验
同图四输出、共享计算、FCN、RoIAlign、信息碰撞与SAM接口
提示指定本次目标，训练学会响应提示
在杯柄上给一个正点，并不唯一规定目标是杯柄、整只杯子还是更大的对象组合。提示式分割的任务是根据图像与提示返回合理 mask；提示增加信息，但不必天然消除所有歧义。
几何提示可以分工：正点表示希望包含的位置，负点表示希望排除的位置，框给出大致区域，已有 mask 可以作为进一步修正的输入。它们不是人工直接提供完整答案，却约束了本次想处理的对象。模型须结合图像线索填出边界。
原始 SAM 将图像编码、提示编码和 mask 解码分开。同一图像的较重表示可缓存，用户改点、改框时重复较轻的后半段。它也能为模糊提示给出多个 mask 与估计质量，从而容纳“部分还是整体”的不同解释。
本页教学图显示提示与目标的对应关系；若要评价模型，应保存真正返回的 mask，并先约定期望的对象粒度。用户给一个点后显示手工真值，不能替代推理证据。LAB 16 目前保留的是确定性颜色/连通域规则，适合比较接口，不冒充 SAM 权重推理。
原始 SAM 的图像编码器使用 MAE 预训练初始化。这连接了第一部分的表示学习，但“遮挡重建”目标并没有直接提供“某个正点应对应哪个对象 mask”的全部监督。后续还要进行提示式分割训练。
训练样本包含图像、目标 mask 与模拟提示。模型预测后，可以从错误区域追加正点或负点，再要求它修正；原论文训练模拟每个 mask 的多轮交互，掩码损失组合 focal 与 dice。这样，推理时的“改点、改框”对应训练中学过的任务，而不是凭空获得一个通用按钮。
数据组织也属于能力来源。SA-1B 来自模型辅助标注、半自动补充、全自动生成的逐步演进，最终收集约 1100 万张图像与 11 亿个 mask。这里的数据单位是区域轮廓，并非现成的图文语句对。
预训练参数、任务监督和使用接口可以分别复用：先以自监督表示为起点，再学习图像/提示到掩码，使用时缓存同图表示。如果只说“MAE 会补图所以自然会分割”，就跳过了任务训练这一关键桥梁。注意此处是原始 SAM；文字提示在论文中有另行探索，不等于公开几何提示 checkpoint 默认已具备任意语言理解。