Windows 환경에서 SAM3 (Segment Anything Model 3) 설치 및 실행 완벽 가이드

오늘은 Meta의 최신 세그멘테이션 모델인 SAM3 (Segment Anything Model 3)를 Windows 환경에서 설치하고 실행하는 방법을 상세하게 알아보겠습니다.

공식 저장소의 가이드는 주로 Linux 환경을 기준으로 되어 있어, Windows 사용자분들은 설치 과정에서 몇 가지 난관(triton 등)을 마주하게 됩니다. 이 글에서는 제가 직접 설치하며 겪은 트러블슈팅 과정을 포함하여 한 번에 성공할 수 있는 설치 방법을 정리해 드립니다.

 

🛠️ 사전 준비 (Prerequisites)

설치를 위해 다음 환경이 준비되어 있어야 합니다.

OS: Windows 10 또는 11
GPU: NVIDIA GPU (CUDA 지원 필수, VRAM 8GB 이상 권장)
Anaconda (또는 Miniconda): 가상환경 관리를 위해 필수입니다.

🚀 1단계: 가상환경 생성
가장 먼저 독립된 Python 환경을 만들어 줍니다. SAM3는 Python 3.12 버전을 권장합니다.

sam3라는 이름으로 파이썬 3.12 환경 생성

conda create -n sam3 python=3.12 -y

가상환경 활성화

conda activate sam3
🔥 2단계: PyTorch 설치
SAM3는 최신 PyTorch 기능을 사용하므로 호환되는 버전을 설치해야 합니다. 공식 문서에 따르면 PyTorch 2.7.0 (Preview) 버전이 필요합니다.

PyTorch 2.7.0 (CUDA 12.6 호환) 설치

pip install torch==2.7.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
참고: 설치 시간이 인터넷 환경에 따라 다소 걸릴 수 있습니다.

📦 3단계: SAM3 저장소 클론 및 패키지 설치
이제 SAM3 소스 코드를 다운로드하고 패키지를 설치합니다.

1. 저장소 클론 (이미 받으셨다면 패스)

git clone https://github.com/facebookresearch/sam3.git
cd sam3

2. SAM3 패키지 설치 (Editable 모드)

[train,dev] 옵션을 넣어 개발 및 학습용 의존성도 함께 설치합니다.

pip install -e ".[train,dev]"
⚠️ 4단계: 트러블슈팅 (Windows 필수 과정)
Windows 사용자는 위 단계까지만 진행하면 실행 시 ModuleNotFoundError를 마주하게 됩니다. 다음 패키지들을 반드시 추가로 설치해야 합니다.

4-1. 필수 라이브러리 누락 해결
기본 의존성 목록에서 빠져 있거나 OS 환경에 따라 설치되지 않는 패키지들입니다.

einops, decord, psutil 설치

pip install einops decord psutil
4-2. Triton 호환성 문제 해결 (가장 중요!) ⭐
SAM3는 내부적으로 triton 컴파일러를 사용하는데, 공식 triton 패키지는 Windows를 지원하지 않습니다. 이를 해결하기 위해 Windows 호환 포크 버전을 설치해야 합니다.

Windows용 Triton 설치

pip install triton-windows
Tip: 만약 pip install triton을 시도했다가 실패했다면, 반드시 pip uninstall triton을 먼저 진행한 후 위 명령어를 실행하세요.

✅ 5단계: 설치 검증 및 실행 테스트
모든 설치가 끝났습니다! 이제 정상적으로 동작하는지 확인해 보겠습니다.

간단한 Import 테스트
터미널에서 다음 명령어를 입력하여 에러 없이 실행되는지 확인합니다.

python -c "import sam3; import torch; print(f'SAM3 로드 성공! Torch 버전: {torch.version}')"
이미지 추론 예제 실행
run_test.py 파일을 하나 만들어서 실제로 이미지를 추론해 봅시다.

import torch
from PIL import Image
from sam3.model_builder import build_sam3_image_model
from sam3.model.sam3_image_processor import Sam3Processor
import sys

출력 버퍼링 해제 (로그 즉시 확인용)

sys.stdout.reconfigure(line_buffering=True)

1. 모델 로드

print("모델 로딩 중...")
model = build_sam3_image_model()
processor = Sam3Processor(model)
print("모델 로드 완료!")

2. 이미지 설정 (본인의 이미지 경로로 수정하세요)

image_path = "assets/images/test_image.jpg"
image = Image.open(image_path)
inference_state = processor.set_image(image)

3. 추론 실행 (프롬프트: 'person')

Windows에서는 기본 threshold(0.5)가 너무 높을 수 있으므로 0.1로 낮춰서 테스트 추천

processor.set_confidence_threshold(0.1)
prompts = ["person", "face", "object"]
for prompt in prompts:
print(f"프롬프트 '{prompt}'로 추론 중...")
output = processor.set_text_prompt(state=inference_state, prompt=prompt)
masks = output["masks"]
print(f"-> '{prompt}' 검출된 마스크 개수: {len(masks)}")
🎯 마치며
이제 Windows에서도 강력한 SAM3 모델을 마음껏 활용하실 수 있습니다. 혹시 실행 중 Confidence Score 문제로 검출이 안 된다면, processor.set_confidence_threshold(0.1) 처럼 임계값을 낮춰서 시도해 보세요.