DAVOS：基于对抗域适应的半监督视频目标分割
计算机视觉与模式识别
2021-05-25 v2
摘要
域偏移一直是视频目标分割（VOS）中的主要问题之一，模型在不熟悉的数据集上测试时性能会退化。近来，许多在线方法通过在通常稀缺的测试数据标注上进行微调，来缩小训练数据（源域）与测试数据（目标域）之间的性能差距。本文提出一种新方法，通过首次将对抗域适应引入 VOS 任务来解决域偏移问题，在源域上进行有监督训练，在目标域上进行无监督训练。通过卷积层融合外观与运动特征，并在运动分支上添加监督，我们的模型在有监督训练后在 DAVIS2016 上以 82.6% 的平均 IoU 分数取得了最先进的性能。同时，我们的对抗域适应策略在不利用额外标注的情况下，显著提升了训练模型在 FBMS59 和 Youtube-Object 上的性能。
引用
@article{arxiv.2105.10201,
title = {DAVOS: Semi-Supervised Video Object Segmentation via Adversarial Domain Adaptation},
author = {Jinshuo Zhang and Zhicheng Wang and Songyan Zhang and Gang Wei},
journal= {arXiv preprint arXiv:2105.10201},
year = {2021}
}