视频对象中心学习中的循环一致性
计算机视觉与模式识别
2026-05-29 v1
摘要
自监督视频对象中心学习(OCL)旨在发现离散对象并在时间上关联它们,而自监督多对象跟踪(MOT)则聚焦于关联预定义的对象检测或分割。尽管在 MOT 中已为人熟知,循环一致性(CC)无法直接或明确地应用于 OCL 的潜在槽位空间。与 MOT 中的确定性理想对象表示不同,OCL 槽位本质上是随机且模糊的,由于场景分解的非唯一性。对槽位强制执行显式循环一致性(ECC)会施加严格的均值寻求。这严重惩罚模型探索替代且同样有效的分解,从而导致特征坍缩。为解决这一困境,我们提出了*隐式循环一致性(ICC)*,将循环一致性约束从严格的槽位空间转移到连续重构流形上,鼓励槽位在对整体解释视觉场景达成软共识,而不是强迫刚性点到点特征对齐。大量实验在复杂的视频 OCL 基准测试上表明,ICC 避免了特征坍缩并优于 ECC 基线。我们的源码、模型检查点和训练日志均提供于 https://github.com/Genera1Z/ICC。
引用
@article{arxiv.2605.30211,
title = {Cycle Consistency in Video Object-Centric Learning},
author = {Rongzhen Zhao and Zhiyuan Li and Ruonan Wei and Juho Kannala and Joni Pajarinen},
journal= {arXiv preprint arXiv:2605.30211},
year = {2026}
}
备注
14 pages