我下个版本先把离线做好。下阶段会研究实的时非直播模式,要虚拟文件大小,要根据拖动计算时间位置。
拖影的问题看起来是MatAnyone2的问题,因为它会跟踪视频目标状态,但这已经是当前最新的模型了。我今天刚把MatAnyone2处理解析度翻倍,优化一大堆之后FPS和之前一样。拖影问题我专题研究怎么解决。还有前置yoloworld+efficientsam问题看起来比较多,研究如果不行就废了。
SAM3效果的确很好,我还能定义woman in front之类的关键词来屏蔽POV的身体,非常灵活,跟踪一条狗都行。我另外写的一套程序就只用SAM3实现了抠图,只是必须装庞大的torch,用户层面软件太重,还是onnx可控一些,但SAM3的onnx不支持视频内跟踪,这个可以后期研究。