MHP-VOS：用于视频对象分割的多重假设传播

我们解决半监督视频对象分割（VOS）问题，其中感兴趣对象的掩码在输入视频的第一帧中给出。为处理对象被遮挡或缺失的困难情形，先前工作依赖于贪心数据关联策略，对每一帧单独做出决策。本文中，我们提出一种新方法，将每帧中目标对象的决策推迟，直至能结合整个视频加以考虑建立全局视角。我们的方法精神上与多重假设跟踪（MHT）方法一致，并针对 VOS 问题做了若干关键适配。我们采用边界框（bbox）假设进行跟踪树构建，多重假设通过将前一 bbox 传播至门控区域内检测到的 bbox 候选来生成，门控区域从第一帧初始对象掩码开始。门控方案由考虑更完备运动模型的门控机制确定，而非传统 MHT 中简单的卡尔曼滤波模型。为进一步设计针对 VOS 的定制算法，我们提出了一种新颖的掩码传播分数，以替代可能因大幅形变而脆弱的外观相似度分数。掩码传播分数与运动分数共同决定树剪枝过程中假设间的亲和度。最后，采用一种新颖的掩码合并策略处理对象间掩码冲突。在具有挑战性数据集上的大量实验证明了所提方法的有效性，尤其在对象缺失情形下。