基于可逆流的主视频对象互补分割
计算机视觉与模式识别
2018-11-26 v1
摘要
分割视频中的主对象在计算机视觉中是一个重要且具有挑战性的问题，因其表现出不同程度的前景/背景歧义。为减少此类歧义，我们提出一种利用前景与背景上下文及其互补约束的新颖表述。在此表述下，进一步定义统一目标函数以编码各线索。为实现该方案，我们设计了具有两个独立分支的互补分割网络（CSNet），其可同时编码前景与背景信息以及联合空间约束。CSNet以端到端方式在大量带人工标注显著对象图像上训练。通过将CSNet应用于每帧视频，可初始化空间前景与背景图。为有效且高效地强化时间一致性，我们将每帧划分为超像素并构建邻域可逆流，其反映远隔帧间超像素最可靠的时间对应。借助该流，初始前景度与背景度可沿时间维度传播，从而使主视频对象逐渐凸显并良好抑制干扰项。在三个视频数据集上的大量实验结果表明，与18个最先进（SOTA）模型相比，所提方法取得了令人印象深刻的性能。
引用
@article{arxiv.1811.09521,
title = {Complementary Segmentation of Primary Video Objects with Reversible Flows},
author = {Jia Li and Junjie Wu and Anlin Zheng and Yafei Song and Yu Zhang and Xiaowu Chen},
journal= {arXiv preprint arXiv:1811.09521},
year = {2018}
}