伪标签增强级联框架：LSVOS 2025 VOS赛道第二份技术报告
计算机视觉与模式识别
2025-09-19 v1
摘要
复杂视频对象分割（VOS）在跨帧准确分割对象方面面临重大挑战，尤其是在存在小而相似的目标、频繁遮挡、快速运动和复杂交互的情况下。在本报告中，我们提出了基于SAM2框架的LSVOS 2025 VOS赛道的解决方案。我们在训练中采用了伪标签策略：将训练好的SAM2检查点部署在SAM2Long框架中，为MOSE测试集生成伪标签，然后将其与现有数据结合进行进一步训练。在推理阶段，使用SAM2Long框架获取主要分割结果，同时运行一个开源SeC模型以产生互补预测。级联决策机制动态整合两个模型的输出，利用SAM2Long的时间稳定性和SeC的概念级鲁棒性。得益于伪标签训练和级联多模型推理，我们的方法在MOSE测试集上实现了0.8616的J&F分数——比SAM2Long基线高出1.4分——在LSVOS 2025 VOS赛道中获得第二名，展示了在长、复杂视频分割场景中的强大鲁棒性和准确性。
引用
@article{arxiv.2509.14901,
title = {Pseudo-Label Enhanced Cascaded Framework: 2nd Technical Report for LSVOS 2025 VOS Track},
author = {An Yan and Leilei Cao and Feng Lu and Ran Hong and Youhai Jiang and Fengjie Zhu},
journal= {arXiv preprint arXiv:2509.14901},
year = {2025}
}