用于视频目标分割的像素级双射匹配

半监督视频目标分割（VOS）旨在像素级跟踪视频初始帧中指定的目标物体。为充分利用物体的外观信息，像素级特征匹配在VOS中被广泛使用。常规特征匹配以满射方式进行，即仅考虑从查询帧到参考帧的最佳匹配。查询帧中每个位置都指向参考帧中的最优位置，而不管每个参考帧位置被引用多少次。这在大多数情况下表现良好且对快速外观变化具有鲁棒性，但当查询帧包含与目标物体相似背景干扰物时可能导致严重错误。为缓解此问题，我们引入双射匹配机制，以寻找从查询帧到参考帧及反向的最佳匹配。在为查询帧像素寻找最佳匹配前，先考虑参考帧像素的最优匹配，以防止每个参考帧像素被过度引用。由于该机制以严格方式运行，即像素相连当且仅当它们互为确定匹配，故可有效消除背景干扰物。此外，我们提出掩码嵌入模块以改进现有掩码传播方法。通过嵌入带坐标信息的多个历史掩码，可有效捕获目标物体的位置信息。