SAMURAI是一種基於Segment Anything Model 2 (SAM 2)的視覺對象跟蹤模型，專門設計用於處理快速移動或自遮擋對象的視覺跟蹤任務。它通過引入時間運動線索和運動感知記憶選擇機制，有效預測對象運動並優化掩膜選擇，無需重新訓練或微調即可實現魯棒、準確的跟蹤。SAMURAI能夠在即時環境中運行，並在多個基準數據集上展現出強大的零樣本性能，證明了其無需微調即可泛化的能力。在評估中，SAMURAI在成功率和精確度上相較於現有跟蹤器取得了顯著提升，例如在LaSOT-ext上AUC提升了7.1%，在GOT-10k上AO提升了3.5%。此外，與LaSOT上的全監督方法相比，SAMURAI也展現出了競爭力，強調了其在複雜跟蹤場景中的魯棒性以及在動態環境中的潛在實際應用價值。