CLVOS23：面向持续学习的长视频对象分割数据集
计算机视觉与模式识别
2023-04-11 v1 机器学习
摘要
真实场景中的持续学习是一项重大挑战。一个通用的持续学习模型应具有恒定的内存大小且无预定义的任务边界，半监督视频对象分割（VOS）正是如此，其中持续学习的挑战尤其体现在处理长视频序列上。在本文中，我们首先将半监督 VOS（具体为在线 VOS）问题形式化为一个持续学习问题，其次提供一个专注于持续学习的公开 VOS 数据集 CLVOS23。最后，我们在已有的在线 VOS 基线 LWL 上提出并实现了一种基于正则化的持续学习方法，以展示持续学习应用于在线 VOS 时的有效性，并建立一个 CLVOS23 基线。我们将所提出的基线应用于 Long Videos 数据集以及两个短视频 VOS 数据集 DAVIS16 和 DAVIS17。据我们所知，这是首次将 VOS 定义并作为持续学习问题加以解决。
引用
@article{arxiv.2304.04259,
title = {CLVOS23: A Long Video Object Segmentation Dataset for Continual Learning},
author = {Amir Nazemi and Zeyad Moustafa and Paul Fieguth},
journal= {arXiv preprint arXiv:2304.04259},
year = {2023}
}