> 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ビデオトラッカー

動画フレームをまたいで、概念や視覚的に指示されたオブジェクトを追跡します。

ライブビデオストリーム上で Segment Anything 3 をフレームごとに実行し、動画ごとの時間的メモリを保持して、オブジェクトの識別情報がフレーム間で維持されるようにします。

使用 `概念` モードでテキストの概念を追跡します。SAM3 は各フレームで一致するオブジェクトを検出し、シーンに入ってきたオブジェクトにトラッカー ID を割り当てます。

使用 `視覚` モードで、ポイントまたはボックスからオブジェクトを追跡します。このブロックは、視覚プロンプトを指定に従って読み取り、 `prompt_mode`、その後、プロンプト間で時間的状態を保持します。各再プロンプトは新しいセッションを開始し、トラッカー ID を再初期化します。

このブロックは、状態をキーにして単一の SAM3 ストリーミングモデルを多数のビデオストリームに多重化します `video_metadata.video_identifier`。このブロックは `sam3video` 概念モードでは `sam3trackervideo` 視覚モードでは使用します。

での使用を想定しています `InferencePipeline`、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します。

### タイプ識別子

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` を、ワークフローにステップとして追加します。

### 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。                                                                                                                                            | ❌  |
| `tracking_mode`   | `str`                      | 使用 `概念` テキストプロンプト用。 `視覚` ポイントまたはボックスプロンプト用。。                                                                                                                       | ❌  |
| `class_names`     | `Optional[List[str], str]` | セグメント化して追跡する概念。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。。                                                                                | ✅  |
| `points`          | `List[Any]`                | 1 つのオブジェクトに対するラベル付きポイント。正のポイントは領域を含めます。負のポイントは領域を除外します。。                                                                                                           | ✅  |
| `model_id`        | `str`                      | 概念追跡用のストリーミング SAM3 モデル ID。                                                                                                                                         | ✅  |
| `visual_model_id` | `str`                      | 視覚追跡用のストリーミング SAM3 モデル ID。                                                                                                                                         | ✅  |
| `prompt_mode`     | `str`                      | 視覚モードがプロンプトを読み取るタイミング。 `first_frame` 一度だけプロンプトを読み取ります。 `every_n_frames` 選択した間隔でそれらを読み取ります。 `every_frame` 各フレームでそれらを読み取ります。各再プロンプトは新しいセッションを開始し、トラッカー ID を再初期化します。。 | ❌  |
| `prompt_interval` | `int`                      | 視覚プロンプトの間隔 `every_n_frames` モード。スケジュールされた再プロンプトは新しいセッションを開始します。。                                                                                                   | ✅  |
| `しきい値`            | `float`                    | 出力されるマスクの最小信頼度。概念モードでは SAM3 の検出スコアを使用します。視覚モードではプロンプトの信頼度を使用します。。                                                                                                  | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`ソフト` - 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、動画ごとの状態をプロセスメモリ内に保持します（video\_metadata.video\_identifierでキー付け）。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、連続したリクエストが異なるワーカープロセスで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、トラッキング／カウント／集計には出力が無意味になります。フレーム間で安定した結果を得るには、InferencePipeline内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 ビデオモデルには CUDA が必要です。

`ソフト` - 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。

`ハード` - 実行 `リモート` ：REMOTE ステップ実行では、どのランタイム・どの入力でも run() は NotImplementedError を送出します。このブロックは動画ごとの状態を自身のインスタンス内に保持し、LOCAL ステップ実行のみをサポートします。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `SAM3 動画トラッカー` バージョン `v1` に、どのバインディング種別が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>

* input
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `class_names` (*Union\[*[*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): 概念をセグメント化して追跡するためのもので、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。。
  * `points` ([*`labeled_points`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/labeled-points.md)): 1 つのオブジェクトに対するラベル付きポイント。正のポイントは領域を含めます。負のポイントは領域を除外します。。
  * `ボックス` (*Union\[*[*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*]*): 視覚追跡用のバウンディングボックス。ブロックは各ボックスにつき 1 つのオブジェクトを追跡します。。
  * `model_id` ([*`roboflow_model_id`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)): 概念追跡用のストリーミング SAM3 モデル ID。
  * `visual_model_id` ([*`roboflow_model_id`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)): 視覚追跡用のストリーミング SAM3 モデル ID。
  * `prompt_interval` ([*`integer`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)): 視覚プロンプトの間隔は `every_n_frames` モード。スケジュールされた再プロンプトは新しいセッションを開始します。。
  * `しきい値` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)): 出力されるマスクの最小信頼度。概念モードでは SAM3 の検出スコアを使用します。視覚モードではプロンプトの信頼度を使用します。。
* output
  * `predictions` ([`instance_segmentation_prediction`](https://docs.roboflow.com/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(...) オブジェクト形式で出力する予測。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/sam3_video@v1",
	    "images": "$inputs.image",
	    "tracking_mode": "<block_does_not_provide_example>",
	    "class_names": [
	        "person",
	        "forklift"
	    ],
	    "points": [
	        {
	            "positive": true,
	            "x": 320,
	            "y": 240
	        }
	    ],
	    "boxes": "$steps.object_detection_model.predictions",
	    "model_id": "sam3video",
	    "visual_model_id": "sam3trackervideo",
	    "prompt_mode": "<block_does_not_provide_example>",
	    "prompt_interval": 30,
	    "threshold": 0.5
	}
```

</details>
