
ComfyUIでSAM3.1を試してみた
SAM 3.1がComfyUIで使えるようになりました。
プロンプトで指定したオブジェクトを画像から検知し、マスクを取得するためのモデルですね。
こちらに「SAM31_test_02.json」ワークフローがあります。
動画でも解説してます。
環境
OS:Windows 11
GPU:GeForce RTX 4090
CPU:i9-13900KF
memory:128G
構築手順
以下のカスタムノードをインストールして、ComfyUIを最新化してください。

モデル
sam3.1_multiplex_fp16.safetensorsをダウンロードして「ComfyUI\models\checkpoints」に配置
ワークフロー
ワークフローは以下です。

上半分が画像をインプットにしたワークフローで、下半分が動画をインプットにしたワークフローになっています。
生成結果
75秒ぐらいで、VRAM23GBぐらいで処理されました。
画像は以下のように、人物のマスクが取得できています。
(足元に変なマスクがありますが。)

動画の方はgirlとhouseを指定します。
背景の家も検知はされていますね。
マスク画像は人物のみが出力されています。

SAM 3.1(target : girl, house)
— kongo jun / 混合 順 (@jun_kongo) April 23, 2026
←インプット アウトプット→ pic.twitter.com/USvs32MroB
家のマスクを取得する場合は、SAM3 Track to Maskの数字を0から1に変更することで取得できます。
オブジェクトごとに、インデックスとなる連番が付与されているみたいですね。

感想
プロンプトでマスクのオブジェクトが指定できるのはagent向き感ありますね。
シンプルな機能ということもあり、汎用性は高いですね。