通过预测卷积特征来预见未来的实例分割
计算机视觉与模式识别
2018-10-04 v2
摘要
预见未来事件是智能行为的重要前提。视频预测已被研究作为实现该目标的一个代理任务。近期工作表明，要预测未来帧的语义分割，在语义层面进行预测比预测 RGB 帧再对其分割更为有效。在本文中，我们考虑更具挑战性的未来实例分割问题，其进一步将各个物体分割出来。为处理每幅图像输出标签数量可变的情况，我们在 Mask R-CNN 实例分割模型的定尺寸卷积特征空间中开发了预测模型。我们将 Mask R-CNN 的“检测头”应用于预测特征，以产生未来帧的实例分割。实验表明，该方法相比基于光流和改用的实例分割架构的强基线有显著改进。
关键词
引用
@article{arxiv.1803.11496,
title = {Predicting Future Instance Segmentation by Forecasting Convolutional Features},
author = {Pauline Luc and Camille Couprie and Yann LeCun and Jakob Verbeek},
journal= {arXiv preprint arXiv:1803.11496},
year = {2018}
}