可提示分割（Promptable Segmentation）是一类分割范式：你给模型一个提示（prompt）——一个点、一个框、一条涂鸦、一块粗掩码，甚至一句话——它就把图里对应的物体按像素级轮廓抠出来。最有代表性的实现是 Meta 的 Segment Anything Model（SAM）。
它是怎么工作的
把它想成“先测绘、再指认”的流程。
1. 图像编码器（image encoder）先把整张图看一遍，压成一组特征。这步最重，但同一张图只做一次。
2. 提示编码器（prompt encoder）把你的点、框、涂鸦变成向量。
3. 掩码解码器（mask decoder）把两者合起来，输出掩码。
类比：图像编码器像提前把一张大地图测绘好，你的提示就是拿手指在图上戳一下说“我要这块”，解码器是那个立刻把地块边界画出来的助手。因为重活只干一次，同一张图你可以连着试十几个提示，几乎无感。
提示往往有歧义：一个点落在人身上，你指的是脸、衣服还是整个人？所以模型通常一次给出多个候选掩码和各自的置信度，让用户挑。
和相邻概念的区别
| 概念 | 输入 | 输出 | 类别范围 |
|---|---|---|---|
| 语义分割 | 图像 | 每像素类别标签 | 训练时定死的闭集 |
| 实例分割 | 图像 | 每个个体的掩码 | 训练时定死的闭集 |
| 传统交互式分割 | 图像 + 用户点/框 | 掩码 | 通常要针对任务训练 |
| 可提示分割 | 图像 + 任意提示 | 掩码（可多候选） | 开放，现场指定 |
关键差别在“闭集”和“开放”。以前要分什么就得训什么；现在类别由你在提示里当场说，模型负责把边界画准。
对实际工作的意义
- 数据标注：医疗影像勾病灶、遥感划地块、质检标缺陷，以前靠人一笔一笔描，现在点几下出轮廓，人主要做校对。这是它最直接的产业价值。
- 产品功能：修图换背景、电商抠商品图、视频里第一帧点一下随后自动跟踪。
- 机器人：把“那杯水”变成一个可抓取的掩码。
- 思路转变：分割从“一个任务”变成“一个可被提示调用的接口”，这正是视觉基础模型（vision foundation model）的典型特征。
也要知道它的边界：不给提示，它不会主动告诉你图里有什么；细长物体、密集小目标、遮挡处容易断；输出的只是轮廓，不是语义标签，要分类还得再接一个模型。具体能力范围以官方页面为准。