> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/ja/burokku/blocks/video-processing/sam3-video-tracker.md).

# SAM3動画トラッカー

ライブ動画ストリーム上で Segment Anything 3 をフレームごとに実行し、動画ごとの時系列メモリを保持して、フレーム間でオブジェクトの識別情報が維持されるようにします。

追跡する概念をテキストとして入力してください `class_names` （例： `["人物", "フォークリフト"]`）- 上流の検出器は不要です。SAM3 は各フレームで検出と追跡を統合して実行するため、途中でシーンに入ってきた概念に一致するオブジェクトは自動的に検出され、新しい `tracker_id`s. 各出力マスクには、一致したプロンプトがクラス名として、モデルの検出スコアが信頼度として付与されます。

このブロックは、状態をキーにすることで、1つの SAM3 ストリーミングモデルを多数の動画ストリームにまたがって多重化します `video_metadata.video_identifier`；ソースストリームが再開したとき、または `class_names` 変化した場合のみ再シードされます。検出器駆動（ボックスプロンプト）の動画追跡には、代わりに SAM2 Video Tracker ブロックを使用してください。

1 フレームずつ配信し、各フレームに動画メタデータを付与する永続的な WebRTC セッションでの使用を想定しています。

### 型識別子

ステップで次の識別子を使用してください `"type"` フィールド： `roboflow_core/sam3_video@v1` ワークフローにこのブロックをステップとして追加するには。

### プロパティ

| **名前**        | **型**                   | **説明**                                                                               | 参照 |
| ------------- | ----------------------- | ------------------------------------------------------------------------------------ | -- |
| `name`        | `str`                   | このステップの一意の識別子を入力してください。                                                              | ❌  |
| `class_names` | `Union[List[str], str]` | セグメント化して追跡する概念を、フレーズのリスト（またはカンマ区切りの単一文字列）として指定します。出力される各マスクには、一致した概念がクラス名として付与されます。。 | ✅  |
| `model_id`    | `str`                   | ストリーミング SAM3 モデル ID の解決に使用される `inference_models`..                                   | ✅  |
| `のしきい値と比較します` | `float`                 | 出力マスクの最小検出スコア。スコアは SAM3 のオブジェクトごとの概念検出ヘッドから得られます。。                                   | ✅  |

この **参照** 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します `ワークフロー` 実行時。参照 *バインディング* 詳細は。

### ランタイム互換性

`soft` - ランタイム `hosted_serverless`, `dedicated_deployment`；実行 `リモート`; 入力 `動画` このブロックは、プロセスメモリ内に動画ごとの状態を保持します（video\_metadata.video\_identifier をキーとする）。ステートレスまたは複数レプリカのHTTPランタイムでリモートステップ実行を行うと、連続するリクエストが別々のワーカープロセスによって処理される可能性があるため、呼び出し間で状態がリセットされ、追跡／カウント／集計には意味のない出力になります。安定したフレーム間結果を得るには、永続的な WebRTC セッションでローカルステップ実行を使用してください。

`ハード` - ランタイム `self_hosted_cpu`；実行 `ローカル` ：GPU が必要です。ストリーミング SAM3 動画モデルには CUDA が必要です。

`soft` - 入力 `image` このブロックは、動画または繰り返しフレームのワークフローからの時間的コンテキストに依存します。静止画像／写真では、追跡、比較、集計、可視化に使える意味のある履歴がないため、このブロックの利点はほとんど、またはまったくありません。

### 入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が `SAM3動画トラッカー` のバージョン `v1` あるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* 入力
  * `images` ([*`image`*](/workflows/ja/gaido/developer-guide/kinds/image.md)): 推論対象の画像です..
  * `class_names` (*Union\[*[*`list_of_values`*](/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)*,* [*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)*]*）：セグメント化して追跡する概念を、フレーズのリスト（またはカンマ区切りの単一文字列）として指定します。出力される各マスクには、一致した概念がクラス名として付与されます。。
  * `model_id` ([*`roboflow_model_id`*](/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)）：ストリーミング SAM3 モデル ID の解決に使用される `inference_models`..
  * `のしきい値と比較します` ([*`float`*](/workflows/ja/gaido/developer-guide/kinds/float.md)）：出力マスクの最小検出スコア。スコアは SAM3 のオブジェクトごとの概念検出ヘッドから得られます。。
* 出力
  * `predictions` ([`instance_segmentation_prediction`](/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)): 検出されたバウンディングボックスとセグメンテーションマスクを sv.Detections(...) オブジェクトの形式で持つ予測。

</details>

<details>

<summary>JSON 定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/sam3_video@v1",
	    "images": "$inputs.image",
	    "class_names": [
	        "人",
	        "フォークリフト"
	    ],
	    "model_id": "sam3video",
	    "threshold": 0.5
	}
```

</details>