> 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/ko/blocks/blocks/run-a-model/sam3-interactive.md).

# SAM 3 인터랙티브

이미지에서 Segment Anything 3(SAM3)의 대화형(프롬프트 가능 시각 분할) 헤드를 실행합니다.

SAM 3 개념 분할 블록(텍스트나 예시 프롬프트를 받아 개념의 모든 인스턴스를 반환함)과 달리, 이 블록은 SAM2 스타일의 대화형 분할을 수행합니다. 각 프롬프트는 하나의 객체를 대상으로 하며 모델은 그 객체에 대한 단일 마스크를 반환합니다.

두 가지 프롬프트 입력을 지원합니다(최소 하나는 제공해야 합니다):

* **포인트**: 단일 객체를 정의하는 라벨이 있는 2D 포인트 목록입니다. 양성 포인트는 분할할 객체를 표시하고, 음성 포인트는 제외할 영역을 표시합니다(마스크를 세밀하게 조정하는 데 유용합니다).
* **박스**: 다른 모델의 탐지 결과입니다. 각 바운딩 박스는 별도의 프롬프트가 되며 모델은 그 안의 객체를 분할합니다. 박스의 클래스 이름은 예측된 마스크에 전달됩니다.

### 유형 식별자

step에서 다음 식별자를 사용하세요 `"type"` 필드: `roboflow_core/sam3_interactive@v1` 를 워크플로에 단계로 추가합니다.

### 속성

| **이름**     | **유형**      | **설명**                                                                                                                                                                          | 참조 |
| ---------- | ----------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`     | `str`       | 이 단계에 고유 식별자를 입력하세요..                                                                                                                                                           | ❌  |
| `포인트`      | `List[Any]` | 단일 분할 객체를 정의하는 라벨이 있는 포인트입니다. 각 포인트는 절대 픽셀 좌표의 {'x': ..., 'y': ..., 'positive': ...} 형식이며, 양성 포인트는 객체를 표시하고 음성 포인트는 제외할 영역을 표시합니다. 일반적인 (x, y) 또는 (x, y, positive) 시퀀스도 허용됩니다.. | ✅  |
| `임계값`      | `실수`        | 예측된 마스크의 최소 신뢰도 임계값.                                                                                                                                                            | ✅  |
| `멀티마스크 출력` | `bool`      | SAM3 내부의 멀티마스크 모드 또는 단일 마스크 모드를 사용할지 결정하는 플래그입니다. 단일 포인트처럼 모호한 프롬프트의 경우 True로 설정하는 것이 권장됩니다..                                                                                   | ✅  |

해당 **참조** 열은 워크플로 런타임에서 사용할 수 있는 동적 값으로 속성을 매개변수화할 수 있음을 나타냅니다. 자세한 내용은 `워크플로` 런타임. 자세한 내용은 *바인딩* 를 참조하세요.

### 런타임 호환성

`하드` - 런타임 `self_hosted_cpu`; 실행 `로컬` : GPU가 필요합니다. run\_locally()는 CUDA가 필요한 모델을 로드합니다.

### 입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 있는지 확인하세요 `SAM 3 Interactive` 버전 `v1` 가 있습니다.

<details>

<summary>입력 및 출력 바인딩</summary>

* 입력
  * `이미지들` ([*`image`*](/workflows/ko/developer-guide/developer-guide/kinds/image.md)): 추론을 수행할 이미지입니다..
  * `포인트` ([*`라벨이 있는 포인트`*](/workflows/ko/developer-guide/developer-guide/kinds/labeled-points.md)): 단일 객체를 분할하기 위한 라벨이 있는 포인트입니다. 각 포인트는 절대 픽셀 좌표의 {'x': ..., 'y': ..., 'positive': ...} 형식이며, 양성 포인트는 객체를 표시하고 음성 포인트는 제외할 영역을 표시합니다. 일반적인 (x, y) 또는 (x, y, positive) 시퀀스도 허용됩니다..
  * `박스` (*Union\[*[*`instance_segmentation_prediction`*](/workflows/ko/developer-guide/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](/workflows/ko/developer-guide/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`object_detection_prediction`*](/workflows/ko/developer-guide/developer-guide/kinds/object-detection-prediction.md)*]*): 프롬프트로 사용할 바운딩 박스(다른 모델에서 가져옴) - 모델은 각 박스 내부의 객체를 분할합니다.
  * `임계값` ([*`실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float.md)): 예측된 마스크의 최소 신뢰도 임계값.
  * `멀티마스크 출력` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): SAM3 내부의 멀티마스크 모드 또는 단일 마스크 모드를 사용할지 결정하는 플래그입니다. 단일 포인트처럼 모호한 프롬프트의 경우 True로 설정하는 것이 권장됩니다..
* 출력
  * `predictions` ([`instance_segmentation_prediction`](/workflows/ko/developer-guide/developer-guide/kinds/instance-segmentation-prediction.md)): 탐지된 바운딩 박스와 sv.Detections(...) 객체 형식의 분할 마스크가 포함된 예측입니다.

</details>

<details>

<summary>예시 JSON 정의</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/sam3_interactive@v1",
	    "images": "$inputs.image",
	    "points": [
	        {
	            "positive": true,
	            "x": 320,
	            "y": 240
	        }
	    ],
	    "boxes": "$steps.object_detection_model.predictions",
	    "threshold": 0.3,
	    "multimask_output": true
	}
```

</details>