​字節跳動推出 Sa2VA：結合 LLaVA 與 SAM-2 實現多模態智能分割

字節跳動聯合高校推出Sa2VA模型，結合LLaVA視覺語言模型與SAM-2分割模型，能理解視頻內容並精確追蹤分割角色和物體。LLaVA擅長宏觀敘事，SAM-2精於細節分割，互補提升視頻分析能力。