Mindket

SAM3 + Qwen3.5

新上架第 1 版 · 更新于

概览

一个多目标跟踪的浏览器演示,结合了 SAM 3 模型和一个 2B 的 Qwen3.5 模型。适合想不安装任何东西就试用跟踪的计算机视觉开发者和研究者。

SAM3 + Qwen3.5 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 在线演示需要网页浏览器
  • 本地副本需要 Python
  • requirements.txt 里列出的包
用在
  • 网页浏览器:打开 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux:用 Python 运行一份副本
  • MCP 客户端:这个 Space 在 Hugging Face 上带有 MCP 标签
先运行
pip install -U huggingface_hub
hf download prithivMLmods/SAM3-Plus-Qwen3.5 --repo-type space --local-dir SAM3-Plus-Qwen3.5
cd SAM3-Plus-Qwen3.5

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这个 Space 是多目标跟踪的浏览器演示,也就是同时追踪好几个正在移动的东西。它在一个运行于 Hugging Face 硬件上的小型 Gradio 页面里,结合了两个点名的模型:SAM 3 和一个 2B 的 Qwen3.5 模型。

适合谁

如果你想看这两个模型怎样配合,它很适合计算机视觉开发者和研究者,也适合对跟踪好奇的爱好者。

行业谁在用怎么用例子
计算机视觉开发者在基于这两个模型开发之前先试一试跟踪运行一段视频,看着物体被持续跟踪
研究视觉研究者查看演示怎样把 SAM 3 和 Qwen3.5 配在一起阅读 app.py 了解模型怎样连接
视频剪辑剪辑师探索用跟踪来追随主体测试一段有几个移动物体的短视频
教育学生看多目标跟踪的实际效果运行仓库里的示例文件

如果你需要带 API 和支持的生产级跟踪器,可以跳过它,因为这只是一个演示。

用在哪里

  • 网页浏览器:打开 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux:用 Python 运行一份副本
  • MCP 客户端:这个 Space 在 Hugging Face 上带有 MCP 标签
用途谁用得到什么
跟踪多个物体开发者一个随时间追随每个物体的结果
快速试用模型研究者一个可阅读、可运行的演示
运行自己的副本爱折腾的人同一个应用在你自己的电脑上

如何设置

在线页面什么都不需要。本地副本需要 Python 和 requirements.txt 里的包。

  • 在线演示需要网页浏览器
  • 本地副本需要 Python
  • requirements.txt 里列出的包
  1. 想在线使用,打开 Hugging Face 上的 Space 页面。
  2. 想运行副本,先安装 Hugging Face hub 包。
  3. 把 Space 下载到本地文件夹。
  4. 进入该文件夹,安装 Gradio 6.30.0 和列出的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download prithivMLmods/SAM3-Plus-Qwen3.5 --repo-type space --local-dir SAM3-Plus-Qwen3.5
cd SAM3-Plus-Qwen3.5
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用

在应用所在文件夹启动它,或者直接打开在线 Space。仓库里带有示例文件,先加载一个运行。然后换成你自己的视频,看看跟踪怎样追随物体。

python app.py

示例

你加载仓库里的一个示例文件并运行演示。页面返回一个结果,其中每个检测到的物体都在整段视频里被追随。

新手与专家

如果你是新手,先用自带的示例文件,看看页面标出了什么。一段只有几个界限清楚的物体的短视频最容易看懂。

如果你熟悉这个领域,这个应用基于 facebook 的 sam3 模型和 2B 的 Qwen3.5 模型。README 只有一行口号,所以请读 app.py 了解两者怎样连接。托管的 Space 运行在 Hugging Face 的 zero-a10g 硬件上。

  1. 你加载一段视频
  2. Gradio 应用把它交给模型
  3. SAM 3 和 Qwen3.5 找出物体
  4. 跟踪结果出现

注意事项

README 只给出一句简短口号,所以页面和 app.py 才有真正的细节。两个模型都从它们在 Hugging Face 上的各自来源下载。

  • License: apache-2
  • Cost to run: 未提及
  • Data it reaches: 你提供的文件

README 和文件

README

SAM3 + Qwen3.5

一个多目标跟踪的浏览器演示,结合了 SAM 3 模型和一个 2B 的 Qwen3.5 模型。适合想不安装任何东西就试用跟踪的计算机视觉开发者和研究者。

由 prithivMLmods 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个 Space 是多目标跟踪的浏览器演示,也就是同时追踪好几个正在移动的东西。它在一个运行于 Hugging Face 硬件上的小型 Gradio 页面里,结合了两个点名的模型:SAM 3 和一个 2B 的 Qwen3.5 模型。

适合谁:如果你想看这两个模型怎样配合,它很适合计算机视觉开发者和研究者,也适合对跟踪好奇的爱好者。

行业 | 谁在用 | 怎么用 | 例子
计算机视觉 | 开发者 | 在基于这两个模型开发之前先试一试跟踪 | 运行一段视频,看着物体被持续跟踪
研究 | 视觉研究者 | 查看演示怎样把 SAM 3 和 Qwen3.5 配在一起 | 阅读 app.py 了解模型怎样连接
视频剪辑 | 剪辑师 | 探索用跟踪来追随主体 | 测试一段有几个移动物体的短视频
教育 | 学生 | 看多目标跟踪的实际效果 | 运行仓库里的示例文件

如果你需要带 API 和支持的生产级跟踪器,可以跳过它,因为这只是一个演示。

用在哪里:

  • 网页浏览器:打开 Hugging Face 上的 Space 页面
  • Windows、macOS 或 Linux:用 Python 运行一份副本
  • MCP 客户端:这个 Space 在 Hugging Face 上带有 MCP 标签
用途 | 谁用 | 得到什么
跟踪多个物体 | 开发者 | 一个随时间追随每个物体的结果
快速试用模型 | 研究者 | 一个可阅读、可运行的演示
运行自己的副本 | 爱折腾的人 | 同一个应用在你自己的电脑上

如何设置:在线页面什么都不需要。本地副本需要 Python 和 requirements.txt 里的包。

  • 在线演示需要网页浏览器
  • 本地副本需要 Python
  • requirements.txt 里列出的包
  1. 想在线使用,打开 Hugging Face 上的 Space 页面。
  2. 想运行副本,先安装 Hugging Face hub 包。
  3. 把 Space 下载到本地文件夹。
  4. 进入该文件夹,安装 Gradio 6.30.0 和列出的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download prithivMLmods/SAM3-Plus-Qwen3.5 --repo-type space --local-dir SAM3-Plus-Qwen3.5
cd SAM3-Plus-Qwen3.5
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用:在应用所在文件夹启动它,或者直接打开在线 Space。仓库里带有示例文件,先加载一个运行。然后换成你自己的视频,看看跟踪怎样追随物体。

python app.py

示例:你加载仓库里的一个示例文件并运行演示。页面返回一个结果,其中每个检测到的物体都在整段视频里被追随。

新手与专家:如果你是新手,先用自带的示例文件,看看页面标出了什么。一段只有几个界限清楚的物体的短视频最容易看懂。

如果你熟悉这个领域,这个应用基于 facebook 的 sam3 模型和 2B 的 Qwen3.5 模型。README 只有一行口号,所以请读 app.py 了解两者怎样连接。托管的 Space 运行在 Hugging Face 的 zero-a10g 硬件上。

你加载一段视频
Gradio 应用把它交给模型
SAM 3 和 Qwen3.5 找出物体
跟踪结果出现

注意事项:README 只给出一句简短口号,所以页面和 app.py 才有真正的细节。两个模型都从它们在 Hugging Face 上的各自来源下载。

  • License: apache-2
  • Cost to run: 未提及
  • Data it reaches: 你提供的文件

Hugging Face 上的数据(2026年11月13日)

  • 点赞:23
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/prithivMLmods/SAM3-Plus-Qwen3.5
  • 文件:https://huggingface.co/spaces/prithivMLmods/SAM3-Plus-Qwen3.5/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
SAM3 + Qwen3.5 本页23gradioapache-2.0
Z Image Turbo共有 mcp-server · gradio1,940gradioapache-2.0
TRELLIS共有 mcp-server · gradio817gradiomit
SAM3 Demo共有 mcp-server · gradio91gradioapache-2.0
TRELLIS.2-Text-to-3D (Rerun)共有 mcp-server · gradio58gradioapache-2.0
Multi-Agent AI - Coding共有 mcp-server · gradio39gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

开发类的相似商品

查看开发类的全部商品

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

buzz

block · 工具包

可自行托管的工作空间,人和 AI 智能体在同样的房间里协作,基于 Nostr 中继,把每个动作记录为签名事件。适合想自己运行中继的团队。

新上架37.3k

plannotator

backnotprop · 工具包

把你的 AI 编程智能体的计划、规格和代码改动在浏览器里打开,让你加批注或评论,并把反馈直接发回给智能体。

新上架10.5k