通过跟踪增强提示推进复杂视频对象分割：第5届PVUW MOSE挑战赛第一名
计算机视觉与模式识别
2026-04-02 v1
摘要
在复杂视频对象分割任务中，研究人员需要在杂乱环境中跟踪和分割特定目标，这严格考验了方法的目标理解能力和环境适应性。尽管当前最先进的解决方案 SAM3 在常规目标上表现出无与伦比的分割性能和鲁棒性，但在微小目标和语义主导目标上表现不佳。这一限制的根本原因在于 SAM3 对这些特定目标类型的理解不足。为解决这一问题，我们提出 TEP：通过跟踪增强提示推进复杂视频对象分割。作为一种无需训练的方法，TEP 利用外部跟踪模型和多模态大语言模型引入跟踪增强提示，从而缓解 SAM3 在理解这些具有挑战性目标时所面临的困难。我们的方法在 PVUW 挑战赛 2026：复杂视频对象分割赛道测试集上取得第一名（56.91%）。
引用
@article{arxiv.2604.00395,
title = {Advancing Complex Video Object Segmentation via Tracking-Enhanced Prompt: The 1st Winner for 5th PVUW MOSE Challenge},
author = {Jinrong Zhang and Canyang Wu and Xusheng He and Weili Guan and Jianlong Wu and Liqiang Nie},
journal= {arXiv preprint arXiv:2604.00395},
year = {2026}
}
备注
1st Place Solution for the 5th PVUW MOSE Challenge (CVPR 2026 Workshop)