用于无监督视频目标分割的锚帧扩散
计算机视觉与模式识别
2019-10-25 v1
摘要
无监督视频目标分割通常借助基于循环神经网络和光流的方法来解决。尽管复杂，这类方法倾向于偏好短期时间依赖，因此容易累积误差，导致随时间漂移。此外，简单的（静态）图像分割模型单独使用即可与这些方法竞争，这进一步表明时间依赖的建模方式应被重新考虑。受这些观察的启发，本文中我们探索简单而有效的策略来建模长期时间依赖。受 [70] 的非局部算子启发，我们引入一种技术，在参考“锚”帧与当前帧的像素嵌入之间建立稠密对应。这允许在任意长距离上学习成对依赖而无需以中间帧为条件。在没有在线监督的情况下，我们的方法能够抑制背景并精确分割前景目标，即使在具有挑战性的场景中，同时也能随时间保持一致的性能。以 的平均 IoU，我们的方法在无监督方法的 DAVIS-2016 排行榜上排名第一，同时仍可与 SOTA 在线半监督方法竞争。我们进一步在 FBMS 数据集和 ViSal 视频显著性数据集上评估了我们的方法，显示出与 SOTA 相竞争的结果。
引用
@article{arxiv.1910.10895,
title = {Anchor Diffusion for Unsupervised Video Object Segmentation},
author = {Zhao Yang and Qiang Wang and Luca Bertinetto and Weiming Hu and Song Bai and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1910.10895},
year = {2019}
}
备注
To appear in ICCV 2019