基于跨模态亲和力与实例序列匹配的少样本指涉视频单目与多目标分割
计算机视觉与模式识别
2025-04-21 v1
摘要
指涉视频对象分割（RVOS）旨在通过自然语言描述对视频中的对象进行分割。我们提出了 FS-RVOS 模型，包含两个关键组件：跨模态亲和力模块和实例序列匹配策略，后者将 FS-RVOS 扩展为多目标分割（FS-RVMOS）。实验表明，FS-RVOS 和 FS-RVMOS 在 diverse benchmark 上的表现优于最先进的方法，显示出卓越的鲁棒性和准确性。
引用
@article{arxiv.2504.13710,
title = {Few-Shot Referring Video Single- and Multi-Object Segmentation via Cross-Modal Affinity with Instance Sequence Matching},
author = {Heng Liu and Guanghui Li and Mingqi Gao and Xiantong Zhen and Feng Zheng and Yang Wang},
journal= {arXiv preprint arXiv:2504.13710},
year = {2025}
}
备注
23 pages, 10 figures