Meta AI
Meta (FAIR) · Imagen
Meta Segment Anything Model 2 (SAM 2) es un modelo de segmentación de código abierto para imágenes y vídeo. Marcas un objeto una vez y el contorno se mantiene mientras avanza el clip.
Acerca de Meta AI
About
Qué es Meta Segment Anything Model 2
SAM 2 responde a una pregunta muy concreta: qué píxeles pertenecen a lo que acabas de señalar. El equipo FAIR de Meta publicó el código y los pesos en GitHub en julio de 2024 bajo licencia Apache 2.0, así que puedes descargarlo, ejecutarlo y meterlo en un producto comercial sin pedir permiso.
El salto real respecto al SAM original está en el vídeo. SAM 2 trata una foto como un vídeo de un solo fotograma, de modo que un mismo modelo cubre las dos tareas. Un módulo de memoria arrastra lo aprendido sobre tu objeto de un fotograma al siguiente, y la máscara aguanta cuando la cámara se mueve o el sujeto gira. Según Meta, ese planteamiento necesita unas 3 veces menos interacciones que los métodos anteriores de segmentación de vídeo.
Hay dos límites que conviene tener claros antes de montar nada encima. SAM 2 devuelve máscaras, no nombres: te dice dónde está un objeto, nunca qué es. Tampoco acepta texto como entrada, así que una petición del tipo «el coche rojo» tiene que llegar como clic o como caja, normalmente desde un detector aparte. Meta ya lanzó SAM 3 y SAM 3.1, que sí admiten indicaciones por concepto, de manera que SAM 2 es hoy la generación anterior, aunque el repositorio sigue funcionando y sigue recibiendo arreglos.
Cómo empezar
- Abre la demo del navegador en sam2.metademolab.com y haz clic sobre un objeto en un clip corto. Es la forma más rápida de ver qué hace el modelo antes de instalar nada.
- Clona facebookresearch/sam2 desde GitHub en un entorno con Python 3.10 o superior y PyTorch 2.5.1 en adelante.
- Descarga un checkpoint. Meta SAM 2 viene en cuatro tamaños y el pequeño se carga en equipos modestos.
- Elige el predictor: SAM2ImagePredictor para fotos, SAM2VideoPredictor para vídeo.
- Lanza las indicaciones como puntos, cajas o máscaras y recoge las máscaras. Activa el generador automático si quieres el fotograma entero segmentado de una pasada.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Meta AI.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Ingenieros de machine learning
- Editores de vídeo y freelances de VFX
- Equipos de etiquetado
- Grupos de robótica e imagen médica
Tareas
- Recortar un sujeto de una foto
- Seguir un objeto a lo largo de un clip
- Añadir recorte a un producto
- Etiquetar un dataset propio
Casos de uso
- Probar una idea en la demo
- Clips largos con varios objetos
- Imágenes raras como teselas de satélite o placas de microscopio
Funciones clave
Un modelo para foto y vídeo
Los mismos pesos atienden una imagen fija y un clip. Importa si prefieres mantener una sola ruta de inferencia en lugar de unir dos modelos, y también mantiene coherentes los resultados cuando un proyecto mezcla ambos formatos.
Memoria en streaming que sostiene la máscara
Un módulo de atención con memoria guarda rasgos de fotogramas anteriores y los reutiliza en el actual. El efecto práctico es una máscara que sobrevive al movimiento de cámara, a las oclusiones parciales y a los objetos que se van de plano. Meta llama masklet a la máscara de un objeto a lo largo del tiempo.
Cuatro checkpoints, de tiny a large
Meta SAM 2 se distribuye con 38,9 M, 46 M, 80,8 M y 224,4 M de parámetros. En vídeo, Meta declara 91,2 fotogramas por segundo con el checkpoint tiny y 39,5 con el large sobre una A100, y la calidad sube a medida que crece el tamaño.
Checkpoints SAM 2.1 con mejor tratamiento de objetos pequeños
La versión 2.1 llegó a finales de septiembre de 2024 y mejoró la segmentación de objetos pequeños y la respuesta ante movimiento de cámara. Si empiezas ahora, baja los pesos 2.1: cuestan lo mismo y puntúan más alto en las pruebas de vídeo de Meta.
Generación automática de máscaras
Te saltas las indicaciones y dejas que el modelo proponga máscaras para todo lo que hay en el fotograma. Viene bien para explorar un dataset desconocido. Filtra por área y confianza antes de que algo llegue a producción.
Pesos abiertos, código de entrenamiento y el dataset SA-V
Código, pesos y receta de entrenamiento van con Apache 2.0. Meta también publicó SA-V, que describe como el mayor dataset de segmentación de vídeo hasta la fecha, así que puedes ajustar y publicar sin pedir permiso.
Ventajas y desventajas
Ventajas
- La segmentación de imágenes y el seguimiento en vídeo salen del mismo modelo, y eso elimina un paso de integración.
- Va rápido: entre 39,5 y 91,2 fotogramas por segundo en vídeo, según el checkpoint que cargues.
- Apache 2.0 cubre el uso comercial, sin tarifa por llamada ni recuento de licencias.
- La calidad sin entrenamiento previo es alta, y muchos equipos se ahorran el ajuste fino hasta que dan con un fallo concreto.
Desventajas
- Meta no ofrece endpoint alojado: la GPU, el servidor y el tiempo de actividad corren de tu cuenta.
- Las máscaras vienen sin etiqueta y la segmentación con indicaciones se limita a puntos y cajas. Emparejarla con un detector de vocabulario abierto es trabajo extra que asumes tú.
- La memoria de GPU crece con cada objeto y con la duración del clip, lo que descarta metraje largo en tarjetas pequeñas.
- SAM 3, publicado en noviembre de 2025, añade indicaciones de texto y mejor seguimiento, así que cualquier proyecto nuevo debería evaluarlo primero.
Preguntas frecuentes
Sí. Meta publicó los checkpoints, el código de la demo y el de entrenamiento con Apache 2.0, licencia que permite uso comercial sin pago ni acuerdo aparte. La fuente Inter y Noto Color Emoji que acompañan a la demo tienen su propia licencia tipográfica, pero solo afectan a la interfaz de demostración.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Meta AI.
Alternativas a Meta AI
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
Tractionwave
TractionWave · Imagen · MarketingTractionWave genera mapas de calor de atención con IA para anuncios estáticos. Subes un PNG o JPG y obtienes la atención prevista, puntos calientes ordenados y correcciones antes de invertir presupuesto.
Imejis.io
Imejis.io · Imagen · MarketingImejis.io es un estudio de diseño con IA para agentes y equipos de marketing. Describes una imagen con tus palabras y la herramienta escribe el texto, arma la maqueta, la adapta a cada tamaño y exporta el archivo final.