BubbleNets：通过深度帧排序学习选择视频目标分割中的引导帧
计算机视觉与模式识别
2020-11-25 v2
摘要
近年来，半监督视频目标分割在真实且具挑战性的视频上取得了显著进展。当前分割方法与基准数据集的范式是：给定第一帧中的单一标注，对视频中的对象进行分割。然而，我们发现当选择另一帧进行标注时，整个视频上的分割性能差异巨大。本文解决学习建议视频中单一最佳帧以供用户标注的问题——事实上，这从未是视频的第一帧。我们为此引入BubbleNets，一种新颖的深度排序网络，它使用基于性能的损失函数学习选择帧，该函数使得可利用已有数据集中大量的训练样本。使用BubbleNets，我们能够在DAVIS基准上实现11%的相对分割性能提升，而无需改变底层的分割方法。
引用
@article{arxiv.1903.11779,
title = {BubbleNets: Learning to Select the Guidance Frame in Video Object Segmentation by Deep Sorting Frames},
author = {Brent A. Griffin and Jason J. Corso},
journal= {arXiv preprint arXiv:1903.11779},
year = {2020}
}
备注
CVPR 2019