SAM-HQ是对原始SAM模型的改进版本，专注于提高零样本图像分割的质量。该模型保留了SAM的灵活提示和泛化能力，同时通过引入可学习的高质量输出标记和特征融合策略，显著提升了分割效果，特别是对于复杂结构的物体。SAM-HQ仅增加少量参数就实现了性能的大幅提升。在9个不同领域的数据集测试中，SAM-HQ在各类下游任务中均表现优于原始SAM模型。