实时语义背景减除
计算机视觉与模式识别
2025-02-18 v3 机器学习
图像与视频处理
摘要
语义背景减除（SBS）已被证明可通过将大多数背景减除算法与源自语义分割网络的语义信息相结合来提升其性能。然而，SBS 需要所有帧的高质量语义分割掩码，而计算这些掩码很慢。此外，大多数最先进的背景减除算法并非实时的，这使其不适用于现实世界应用。在本文中，我们提出一种称为实时语义背景减除（记作 RT-SBS）的新型背景减除算法，其将 SBS 扩展至实时受限应用，同时保持相近性能。RT-SBS 有效地将一种实时背景减除算法与可较慢节奏、逐像素独立提供的高质量语义信息相结合。我们展示 RT-SBS 与 ViBe 结合，为实时背景减除算法确立了新的最先进水平，甚至可与非实时的同类最先进算法竞争。注意我们在 https://github.com/cioppaanthony/rt-sbs 提供了 RT-SBS 的 python CPU 与 GPU 实现。
引用
@article{arxiv.2002.04993,
title = {Real-Time Semantic Background Subtraction},
author = {Anthony Cioppa and Marc Van Droogenbroeck and Marc Braham},
journal= {arXiv preprint arXiv:2002.04993},
year = {2025}
}
备注
Accepted and Published at ICIP 2020