关于结合LLM与SAM进行特定物体分割的咨询

[Linn0910]

您好！非常感谢您开源的优秀工作——Lisa，它对我的研究提供了很大的帮助！目前，我的任务需要针对某一特定物体进行分割。我想尝试利用LLM（目前使用的是Llama3.2Vision）对输入图片进行描述，从中提取特定的语义token，并将其作为提示结合SAM进行分割。Lisa的方法对我的思路有很大启发，因此想请教您：

1. 是否有推荐的实现思路或建议？
2. 在结合语义提示和SAM方面，是否有需要注意的关键点？

非常感谢您的时间和帮助！如果能得到您的建议，我将不胜感激！