Segment Anything Model 3 (SAM 3)는 개념 프롬프트 기반 세그멘테이션 (concept-prompted segmentation)을 위한 강력한 동결된 백본 (frozen backbone)을 제공하지만, 이를 오픈 보카블러리 시맨틱 세그멘테이션 (open-vocabulary semantic segmentation, OVSS)에 직접 적용하는 것은 비효율적입니다. 전체 해상도 디코딩 (full-resolution decoding)이 일반적으로 전체 데이터셋 어휘 (vocabulary)에 대해 실행되는 반면, 각 이미지에는 클래스의 작은 활성 부분 집합 (active subset)만이 포함되어 있기 때문입니다. 우리는 SAM 3를 활성 어휘 세그멘터 (active-vocabulary segmenter)로 변환하는 훈련이 필요 없는 제로샷 추론 (zero-shot inference) 프레임워크인 ActiveSAM을 소개합니다. ActiveSAM은 먼저 클래스 프롬프트를 표준화 및 확장한 다음, 저해상도 존재 프리뷰 (presence preview)로부터 이미지 조건부 활성 집합 (image-conditioned active set)을 추정합니다. 유지된 클래스들만이 동결된 SAM 3 디코더를 사용한 버킷형 프롬프트 멀티플렉싱 (bucketed prompt multiplexing)을 통해 전체 해상도로 디코딩됩니다. 프리뷰 단계는 클래스 존재 증거만을 사용하며 불필요한 세그멘테이션 헤드 (segmentation-head) 계산을 건너뛰는 반면, 최종 단계는 낮은 신뢰도의 픽셀을 억제하기 위해 마진 인식 배경 보정 (margin-aware background calibration)을 적용합니다. ActiveSAM은 타겟 데이터셋 훈련, 가중치 업데이트, 그리고 오라클 클래스 존재 라벨 (oracle class-presence labels)을 필요로 하지 않습니다. 8개의 OVSS 벤치마크 전반에 걸쳐, ActiveSAM은 훈련이 필요 없는 오픈 보카블러리 시맨틱 세그멘테이션의 속도-정확도 트레이드오프 (speed-accuracy tradeoff)를 개선하며, 대규모 어휘 데이터셋에서 최대 5.5배 더 빠르게 작동하면서 현재의 최첨단 기술인 SegEarth-OV3를 평균적으로 약 +1.4 mIoU 상회하는 성능을 보여줍니다. 또한 ActiveSAM은 실제 환경의 분포 변화 (distribution shift)를 시뮬레이션하는 이미지 손상 상황에서도 가장 강력한 견고성 (robustness)을 입증하여, 자율 주행 및 임바디드 AI (embodied AI)와 같이 노이즈가 있는 입력 도메인에 배포하기에 매우 적합합니다. 코드는 https://github.com/VILA-Lab/ActiveSAM 에서 확인할 수 있습니다.