MOVE：基于运动引导的少样本视频对象分割

本工作针对运动引导的少样本视频对象分割（FSVOS），即基于少数带有相同运动模式的已标注示例来分割视频中的动态对象。现有的 FSVOS 数据集和方法通常侧重于对象类别，这些是静态属性，忽略了视频中丰富的时序动态，限制了其在需要运动理解的场景中的应用。为填补这一空白，我们引入了 MOVE，一个专为运动引导 FSVOS 设计的大型数据集。基于 MOVE，我们全面评估了来自 3 个不同相关任务中 6 个最先进方法在 2 个实验设置下的表现。我们的结果揭示了当前方法在解决运动引导 FSVOS方面的困难，促使我们分析相关挑战并提出一种基线方法——解耦运动外观网络（Decoupled Motion Appearance Network，DMA）。实验表明，我们的方法在少样本运动理解方面实现了卓越的性能，为未来的研究工作奠定了坚实的基础。