面向视频分割的稠密无监督学习
计算机视觉与模式识别
2021-11-12 v1 机器学习
摘要
我们提出一种用于视频目标分割（VOS）的无监督学习新方法。与以往工作不同，我们的形式化允许在全卷积框架下直接学习稠密特征表示。我们依赖均匀网格采样提取一组锚点，并训练模型在视频间与视频内层面上对它们进行消歧。然而，训练此类模型的朴素方案会导致退化解。我们提出通过简单正则化方案防止该问题，以适应分割任务对相似变换的等变性质。我们的训练目标支持高效实现并展现快速训练收敛。在已有VOS基准上，尽管使用显著更少的训练数据与计算力，我们的方法仍超越以往工作的分割精度。
引用
@article{arxiv.2111.06265,
title = {Dense Unsupervised Learning for Video Segmentation},
author = {Nikita Araslanov and Simone Schaub-Meyer and Stefan Roth},
journal= {arXiv preprint arXiv:2111.06265},
year = {2021}
}
备注
To appear at NeurIPS*2021. Code: https://github.com/visinf/dense-ulearn-vos