「白いユニフォームの選手を追え」— Meta SAM3 がスポーツスカウティングを一変させる仕組み

概要

2026年5月20日、スペイン語圏のテックメディア @CopyRebeldia が衝撃的なポストを投稿した。

「今日、業界ひとつまるごと意味を失った。Meta が SAM3 を GitHub で公開した。『白いユニフォームの選手』と言うだけで、NBA の混戦の中からその選手だけを追跡し、戦術図まで重ね描いてくれる。手動スカウティングはもう趣味になった。」

このデモ動画を投稿したのは Roboflow のオープンソースリード Piotr Skalski（@skalskip92）。わずか 19 秒の映像が、コンピュータビジョン界隈に大きな波紋を呼んだ。

本記事では Meta SAM3 の仕組みと、スポーツ分析をはじめとする実用分野への影響を解説する。

SAM3（Segment Anything Model 3） は Meta AI Research が開発したモデルだ。画像・動画を対象に、物体の検出・セグメンテーション・追跡を一つのモデルに統合している。

前世代の SAM2 と比べた最大の変化は「テキストプロンプトで物体を指定できる」点だ。

SAM2 は「この座標にある物体を追え」という指示しかできなかった。SAM3 は「白いユニフォームを着た選手」「ボールを持っている人」という意味的な概念で物体を特定できる。

@skalskip92 が公開したデモでは以下が行われている:

以前この処理を行おうとすると、以下の手順が必要だった:

SAM3 では テキスト指示 → 即時追跡 まで数秒で完結する。

2026年3月にリリースされた SAM 3.1 では、複数物体を同時追跡する Object Multiplex 機能が追加された。

スポーツ分析においては「コート上の全選手を同時に追跡しながら、特定の選手だけにフォーカスする」といった用途に直結する。

スカウティングとは「試合映像を見て選手の動き・戦術を分析する」作業だ。従来は専門のアナリストが何時間もかけて手動でタグ付けし、データベース化していた。

SAM3 によって変わること:

Piotr Skalski は別の投稿でこう述べている:

「以前: データ収集 → カスタム検出器の学習 → トラッカーでモーション推定 → 数日かかる。今: テキストプロンプトで追跡 → 数秒」

SAM3 は MIT ライセンスや Apache ライセンスではなく、カスタム SAM License で公開されている。商用利用・改変は可能だが、ソースコードの再公開義務はない（コピーレフトではない）。

実際に使う場合は GitHub リポジトリの LICENSE ファイルで最新条件を確認してほしい。

Meta SAM3 は「テキストで物体を指定して動画内で追跡する」という、これまで専門的なパイプライン構築が必要だった処理を誰でも数秒で実行できるようにした。

@CopyRebeldia が「業界ひとつまるごと意味を失った」と表現したのは誇張ではない。スポーツスカウティング、医療映像解析、監視カメラ分析など、「動画内の特定の何かを追う」あらゆる分野でパラダイムシフトが起きつつある。

コードと事前学習済みモデルは GitHub で公開されており、すぐに試せる状態だ。