基于前景-背景融合的协同视频对象分割
计算机视觉与模式识别
2020-07-24 v2
摘要
本文研究了嵌入学习的原理，以解决具有挑战性的半监督视频对象分割问题。与以往仅利用前景对象像素进行嵌入学习的做法不同，我们认为背景应被同等对待，从而提出了基于前景-背景融合的协同视频对象分割（CFBI）方法。我们的 CFBI 隐式地迫使来自目标前景对象及其对应背景的特征嵌入具有对比性，从而提升分割结果。借助来自前景和背景的特征嵌入，我们的 CFBI 在像素和实例两个层面上执行参考序列与预测序列之间的匹配过程，使 CFBI 对各种对象尺度具有鲁棒性。我们在三个流行基准上进行了大量实验，即 DAVIS 2016、DAVIS 2017 和 YouTube-VOS。我们的 CFBI 分别取得了 89.4%、81.9% 和 81.4% 的性能（J$F），优于所有其他最先进的方法。代码：https://github.com/z-x-yang/CFBI。
引用
@article{arxiv.2003.08333,
title = {Collaborative Video Object Segmentation by Foreground-Background Integration},
author = {Zongxin Yang and Yunchao Wei and Yi Yang},
journal= {arXiv preprint arXiv:2003.08333},
year = {2020}
}
备注
ECCV 2020, Spotlight