SAM 3.1：ComfyUI 汎用セグメンテーションワークフロー

Meta の SAM 3.1 モデルを使って、ComfyUI でテキストプロンプトによる画像・動画のセグメンテーションを行う方法を学びます

ポータブル版または自宅サーバーで実行しているユーザー

ComfyUI が最新版に更新されていることを確認してください。

• ComfyUI のダウンロード
• 更新手順

このガイドで紹介するワークフローは、ワークフローテンプレートから入手できます。
テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。（デスクトップ版の更新は若干遅れることがあります）

ワークフローを読み込んだ際にノードが欠落している場合の主な原因：

1. 最新の ComfyUI（Nightly 版）を使用していない
2. 起動時に一部のノードのインポートに失敗している

デスクトップ版またはクラウド版ユーザー

• デスクトップ版は ComfyUI の安定版（Stable Release）をベースとしており、新しいデスクトップ安定版がリリースされると自動的に更新されます。
• Cloud は、ComfyUI の安定版リリース後に更新されます。

したがって、このドキュメントで記載されているコアノードのうち、一部が利用できない場合は、そのノード機能がまだ最新の安定版に含まれていないためです。次回の安定版リリースをお待ちください。

SAM 3（Segment Anything Model 3）は、Meta が開発した画像・動画向けの統一ファンデーションモデルで、テキストや視覚的プロンプト（ポイント、ボックス、マスク）を用いた検出、セグメンテーション、オブジェクトトラッキングを実現します。前世代の SAM 2 と比較して、短いテキストフレーズで指定したオープンボキャブラリー概念の全インスタンスを網羅的にセグメントできる点が特徴です。

SAM 3.1 Multiplex は最新のチェックポイントリリースで、共有メモリ方式によるマルチオブジェクトトラッキングを導入し、精度を維持しながら大幅な高速化を実現しました。

SAM 3.1 は ComfyUI でネイティブサポートされており（PR #13408）、モデルウェイトは SAM License のもとで提供されています。

SAM 3 GitHub | 論文 (arXiv) | 🤗 Model Hub

SAM 3.1 はテキストプロンプトに基づいて動画フレーム全体でオブジェクトをセグメントおよびトラッキングします。上の例は、対象オブジェクトにマスクを適用したセグメンテーション出力を示しています。

​

主な強み

• テキスト駆動のセグメンテーション — 自然言語でセグメント対象を指定。手動でのポイント/ボックス注釈は不要
• 画像・動画両対応 — 単一画像のセグメンテーションから動画シーケンスのフレーム間トラッキングまで
• マルチオブジェクト対応 — カンマ区切りのプロンプトで複数オブジェクトを同時にセグメント・トラッキング
• オープンボキャブラリー — 従来手法よりもはるかに広範なオープンボキャブラリー概念を処理

制限事項： テキストプロンプトのトークン上限は 32 トークンです。最良の結果を得るには、プロンプトを短く具体的に保ってください。

​

SAM 3.1 セグメンテーションワークフロー

​

1. ワークフローをダウンロード

ComfyUI を最新バージョンにアップデートし、メニューから ワークフロー -> テンプレートを閲覧 に進み、Utility カテゴリから SAM 3.1 ワークフローを見つけてください。

動画セグメンテーション：

JSON ワークフローをダウンロード

動画ワークフローをダウンロード

Comfy Cloud で実行

Open in cloud

画像セグメンテーション：

JSON ワークフローをダウンロード

画像ワークフローをダウンロード

Comfy Cloud で実行

Open in cloud

​

2. モデルをダウンロード

SAM 3.1 モデルは Comfy-Org SAM 3.1 モデルリポジトリ でホストされています。

• sam3.1_multiplex_fp16.safetensors

以下のディレクトリ構造に配置してください：

📂 ComfyUI/
└── 📂 models/
    └── 📂 checkpoints/
        └── sam3.1_multiplex_fp16.safetensors

​

3. ワークフローの使い方

画像セグメンテーション：

• 画像 — Load Image ノードで画像を読み込み（ComfyUI の input/ フォルダに配置）
• オブジェクトプロンプト — セグメント対象の短いテキスト説明（例：person、car、cat）
• 出力は画像に適用されたマスクで、RGBA プレビューでセグメンテーション結果を確認

動画セグメンテーション：

• 動画 — Load Video ノードで動画を読み込み
• オブジェクトプロンプト — 画像と同じ、フレーム間でトラッキング・セグメントする対象の短いテキスト
• 出力には各フレームのマスクとバウンディングボックスが含まれます

プロンプト形式：

プロンプト	役割
SAM3 オブジェクトプロンプト	セグメントする対象の短い説明。最大 32 トークン

複数の対象を個別にプロンプトするには、カンマで区切り、:N で各プロンプトの最大検出数を指定： eye:2, window panels:4

Subgraph について学ぶ

本ワークフローは Subgraph ノードを使用してモジュール化された処理を実現しています。Subgraph ドキュメントを参照してワークフローのカスタマイズと拡張方法を学んでください。

​

補足説明

• プロンプトは短く具体的に — モデルにはプロンプトあたり 32 トークンの制限があります
• マルチオブジェクト検出 — カンマで異なるオブジェクトタイプを区切り、:N でタイプごとの検出数を制限
• セグメンテーションマスク — 出力マスクは他のワークフロー（修復、背景除去など）の入力として使用可能
• 更新が必要 — SAM 3.1 を利用するには ComfyUI を最新バージョンにアップデートしてください