FVOS用于第四届PVUW挑战赛MOSE赛道：第三名解决方案
计算机视觉与模式识别
2025-04-15 v1
摘要
视频目标分割（VOS）是计算机视觉中最基本且最具挑战性的任务之一，具有广泛的应用。大多数现有方法依赖时空记忆网络提取帧级特征，并在常用数据集上取得了令人满意的结果。然而，这些方法在更复杂的现实场景中常常表现不佳。本文针对这一问题，旨在实现挑战性场景中视频目标的精确分割。我们提出微调VOS（FVOS），通过定制训练优化现有方法以适应特定数据集。此外，我们引入了一种形态学后处理策略，以解决单模型预测中相邻目标之间间隙过大的问题。最后，我们在多尺度分割结果上应用基于投票的融合方法生成最终输出。我们的方法在验证和测试阶段分别取得了76.81%和83.92%的J&F分数，在2025年第四届PVUW挑战赛MOSE赛道中总体排名第三。
引用
@article{arxiv.2504.09507,
title = {FVOS for MOSE Track of 4th PVUW Challenge: 3rd Place Solution},
author = {Mengjiao Wang and Junpei Zhang and Xu Liu and Yuting Yang and Mengru Ma},
journal= {arXiv preprint arXiv:2504.09507},
year = {2025}
}
备注
5 pages, 3 figures