用于运动物体分割的归纳图神经网络
计算机视觉与模式识别
2023-05-17 v1 机器学习
摘要
运动物体分割（MOS）是计算机视觉中一个具有挑战性的问题，尤其在具有动态背景、突变光照、阴影、伪装和移动摄像机的场景中。尽管基于图的方法在 MOS 中已展现出有前景的结果，但它们主要依赖转导学习，即假设可访问整个训练与测试数据用于评估。然而，这一假设在现实应用中并不现实，因为系统需要在部署时处理新数据。在本文中，我们提出了一种基于图神经网络（GNN）架构的新型图归纳运动物体分割（GraphIMOS）算法。我们的方法构建了一个通用模型，能够利用已训练模型对新添加的数据帧进行预测。GraphIMOS 优于先前的归纳学习方法，且比先前的转导技术更具通用性。我们提出的算法使得基于图的 MOS 模型能够部署于现实应用中。
引用
@article{arxiv.2305.09585,
title = {Inductive Graph Neural Networks for Moving Object Segmentation},
author = {Wieke Prummel and Jhony H. Giraldo and Anastasia Zakharova and Thierry Bouwmans},
journal= {arXiv preprint arXiv:2305.09585},
year = {2023}
}
备注
Submitted to ICIP 2023