​字节跳动推出 Sa2VA：结合 LLaVA 与 SAM-2 实现多模态智能分割

字节跳动联合高校推出Sa2VA模型，结合LLaVA视觉语言模型与SAM-2分割模型，能理解视频内容并精确追踪分割角色和物体。LLaVA擅长宏观叙事，SAM-2精于细节分割，互补提升视频分析能力。