Segment Anything

Segment Anything (SAM) es un modelo de visión de Meta AI que segmenta cualquier objeto de una imagen a partir de una indicación mínima —un punto, un recuadro o texto—, generando la máscara precisa de sus contornos. Publicado en 2023 con licencia abierta, automatizó el paso de enmascarado del que dependen la edición generativa y el inpainting.

Qué es y cómo se entrenó

Meta presentó SAM en abril de 2023 como «modelo fundacional» de segmentación: en lugar de entrenar una red por cada tipo de objeto, un solo modelo responde a indicaciones y devuelve máscaras válidas incluso para objetos que nunca vio (Kirillov et al., 2023). El salto lo hizo posible el dataset SA-1B, construido para el proyecto: 1.100 millones de máscaras sobre 11 millones de imágenes, el mayor corpus de segmentación publicado hasta entonces.

El modelo y el dataset se liberaron con licencia permisiva en el repositorio oficial, y en 2024 llegó SAM 2, que extiende la segmentación a video con memoria temporal: el objeto seleccionado en un fotograma queda rastreado y enmascarado en toda la secuencia (Meta AI).

Su papel en los flujos de edición generativa

La edición generativa moderna es una cadena de tres eslabones: detectar la región a modificar, enmascararla con precisión de píxel y regenerarla con un modelo de difusión. SAM resolvió el eslabón intermedio, que antes exigía trazado manual con lazo o pincel: hoy las suites de edición combinan un detector de objetos por texto, SAM para la máscara y inpainting para la síntesis, de modo que «selecciona la chaqueta y reemplázala» se ejecuta sin intervención manual.

Esa automatización es también la que industrializó la categoría que reseña este sitio: las aplicaciones de desnudo sintético usan exactamente este pipeline —segmentación automática de la ropa, máscara, regeneración— para procesar imágenes en segundos y sin habilidad técnica del usuario. La herramienta es neutra y sus usos legítimos dominan la industria creativa; el desvío hacia imágenes de personas sin su consentimiento es lo que activa el marco legal descrito en NCII.

Capacidades, límites y ecosistema

SAM segmenta con notable precisión objetos con bordes definidos, pero tiene límites documentados: estructuras finas como pelo, cristales o rejillas, objetos camuflados con el fondo y escenas con oclusiones densas producen máscaras imperfectas que requieren refinado. Su tamaño también motivó variantes ligeras de la comunidad —FastSAM, MobileSAM— que sacrifican algo de calidad por ejecutarse en tiempo real o en dispositivos móviles.

Como pieza de infraestructura abierta, SAM aparece hoy en herramientas de anotación de datasets, análisis de imagen médica y satelital, realidad aumentada y prácticamente cualquier editor con IA. Para el lector de esta enciclopedia, su relevancia es entender dónde ocurre el «recorte» en la cadena de manipulación: cuando una imagen alterada llega a análisis forense, los bordes de la máscara de segmentación son de los primeros artefactos que buscan las técnicas de detección, junto a las incoherencias de iluminación entre región regenerada y original.

La comunidad además lo encadenó con detectores de vocabulario abierto que localizan objetos por descripción textual, de modo que «encuentra y enmascara la chaqueta» funciona sin clic alguno: el detector propone el recuadro y SAM refina la máscara. Esa combinación texto-a-máscara es hoy el estándar de los editores generativos y de los pipelines automatizados de anotación.