面向无监督视频对象分割的关键实例选择
计算机视觉与模式识别
2019-07-29 v2 机器学习
图像与视频处理
摘要
本文提出基于视频显著性（涵盖对象性与动态性）的关键实例选择方法，用于无监督视频对象分割（UVOS）。我们的方法按顺序读取帧，并为每一帧提取带有相应掩码的对象提议。我们根据对象相似性将其关联直至第 M 帧，随后为其分配唯一 ID（即实例）。相似性度量综合考虑了多种属性，如 ReID 描述子、预期轨迹以及语义协同分割结果。在第 M 帧之后，我们根据视频显著性与出现频率选择 K 个 ID；随后仅对这些关键 ID 在剩余帧中进行跟踪。得益于上述技术贡献，我们的结果在 UVOS DAVIS 挑战赛排行榜上排名第三。
引用
@article{arxiv.1906.07851,
title = {Key Instance Selection for Unsupervised Video Object Segmentation},
author = {Donghyeon Cho and Sungeun Hong and Sungil Kang and Jiwon Kim},
journal= {arXiv preprint arXiv:1906.07851},
year = {2019}
}
备注
Ranked 3rd in 'Unsupervised DAVIS Challenge' (CVPR 2019)