SAM3流媒体视频推理；kernels减少拓扑错误；流式视频推理原理；websocket

1.SAM3流媒体视频推理
（1）预加载视频推理与流媒体视频推理的概念区别：

项目	预加载视频推理	流媒体视频推理
数据来源	本地视频文件	摄像头 / RTSP / WebRTC
延迟	高	低（实时）
处理方式	批处理，多帧优化	单帧流式，不可回溯
GPU效率	高	较低
可否回溯帧	✔️ 可	❌ 不可
是否实时	❌ 否	✔️ 是
应用场景	离线分析	实时监控

（2）预加载视频推理与流媒体视频推理的运用区别：

特点	流式视频推理	普通视频（preload）推理
是否一次性加载完整视频	❌ 否（逐帧）	✔ 是（加载整个视频）
模型是否保留上一帧的状态	✔ 是（使用 inference_session）	❌ 否
是否适用实时 RTSP / 摄像头	✔ 是	❌ 否
延迟	低	高
内存占用	低	高

对于实时应用，Transformer 实现的 SAM3 视频支持在视频帧到达时立即进行处理

2.kernels减少拓扑错误
但始终没有找到kernels这个库、网上也没有关于这个库的使用，暂时搁置，使用手工代码处理拓扑错误
SAM / SAM3 的 masks 在后处理阶段可能出现：
小碎片（sprinkles）
小洞（holes）
边缘不连续
多余小区域
kernels 提供了形态学与 NMS 类后处理，对这些问题有明显改善。
kernels替代了之前处理拓扑错误的手工代码，

    mask = kr.remove_small_regions(mask, min_size=100)（移除小区域/碎片）
    mask = km.clean_mask(mask)（清理噪点 sprinkle removal）
    mask = km.fill_holes(mask)（填补小洞）
    mask = km.smooth(mask)（平滑边缘）
    mask = km.fix_topology(mask)（修复掩码拓扑结构）

3.流式视频推理原理
流式视频推理原理就是：持续从摄像头/RTSP/视频流读取帧 → SAM3 逐帧实时推理 → 将结果实时返回前端。

4.websocket
既然要使用流式视频推理，就要使用不同的通信方式。
WebSocket 是一种 浏览器与服务器之间的实时双向通信协议。
一句话总结它的作用：
✅ WebSocket = 一条永远不断开的管道，可以实时发送和接收数据

Postman无法测试websocket
Postman 只能发 HTTP POST
两者不是一回事。
websocket的路径写法：

@router.websocket("/stream/text")

ws.connect("ws://localhost:7999/sam3/video/stream/text")
使用python直接模拟请求测试：

import websocket
import json
ws = websocket.WebSocket()