一种新颖的视频显著目标检测长期迭代挖掘方案
计算机视觉与模式识别
2022-06-22 v1 机器学习
摘要
现有的最先进（SOTA）视频显著目标检测（VSOD）模型广泛遵循短期方法论，该方法论仅通过考虑当前连续的有限帧来动态确定空间和时间显著性融合之间的平衡。然而，短期方法论有一个关键局限性，这与我们视觉系统的真实机制——一种典型的长期方法论——相冲突。因此，在当前SOTA模型的结果中不断出现失败案例，短期方法论成为主要的技术瓶颈。为了解决这个问题，本文提出了一种新颖的VSOD方法，以完全长期的方式进行VSOD。我们的方法将序列化的VSOD这一序列任务转化为一个数据挖掘问题，即预先将输入视频序列分解为对象提议，然后以从易到难的方式尽可能多地挖掘显著对象提议。由于所有对象提议同时可用，所提出的方法是一种完全的长期方法，可以缓解传统短期方法固有的一些困难。此外，我们设计了一种在线更新方案，能够捕捉显著对象最具代表性和可信赖的模式轮廓，输出具有丰富细节且在空间和时间上都平滑的逐帧显著性图。所提出的方法在五个广泛使用的基准数据集上优于几乎所有SOTA模型。
引用
@article{arxiv.2206.09564,
title = {A Novel Long-term Iterative Mining Scheme for Video Salient Object Detection},
author = {Chenglizhao Chen and Hengsen Wang and Yuming Fang and Chong Peng},
journal= {arXiv preprint arXiv:2206.09564},
year = {2022}
}