LVOS：一个面向长时视频对象分割的基准数据集
计算机视觉与模式识别
2023-08-21 v2
摘要
现有的视频对象分割（VOS）基准聚焦于仅持续约3-5秒且对象在大多数时间可见的短时视频。这些视频对实际应用的代表性不足，且长时数据集的缺失限制了VOS在真实场景应用中的进一步研究。因此，本文提出一个名为 \textbf{LVOS} 的新基准数据集，包含220个视频，总时长421分钟。据我们所知，LVOS是首个密集标注的长时VOS数据集。我们LVOS中的视频平均持续1.59分钟，是现有VOS数据集中视频时长的20倍。每个视频包含多种属性，尤其是来自真实环境的挑战，例如长时重现和跨时间相似对象。基于LVOS，我们评估了现有的视频对象分割算法，并提出了一种由三个互补记忆库组成的多样动态记忆网络（DDMemory），以充分利用时间信息。实验结果揭示了已有方法的优势与不足，指明了进一步研究的有前景方向。数据和代码见 https://lingyihongfd.github.io/lvos.github.io/。
引用
@article{arxiv.2211.10181,
title = {LVOS: A Benchmark for Long-term Video Object Segmentation},
author = {Lingyi Hong and Wenchao Chen and Zhongying Liu and Wei Zhang and Pinxue Guo and Zhaoyu Chen and Wenqiang Zhang},
journal= {arXiv preprint arXiv:2211.10181},
year = {2023}
}
备注
Accepted by ICCV 2023. Project page: https://lingyihongfd.github.io/lvos.github.io/