ReConvNet：基于时空特征调制的视频目标分割
计算机视觉与模式识别
2018-06-19 v2
摘要
我们提出 ReConvNet，一种用于半监督视频目标分割的循环卷积架构，能够在推理时快速调整其特征以聚焦于任意特定感兴趣目标。对于在训练中从未见过的新目标，已知监督方法难以泛化，需要重新训练。为解决此问题，我们提出一种更高效的方案，通过条件仿射变换学习自适应于感兴趣目标的时空特征。该方法简单，可端到端训练，且不一定需要在推理时进行额外的训练步骤。我们的方法在 DAVIS2016 上相对于使用在线微调的当前最优方法取得了有竞争力的结果，并在 DAVIS2017 上优于它们。ReConvNet 在 DAVIS-Challenge 2018 上也展示了有前景的结果，获得了第 名。
引用
@article{arxiv.1806.05510,
title = {ReConvNet: Video Object Segmentation with Spatio-Temporal Features Modulation},
author = {Francesco Lattari and Marco Ciccone and Matteo Matteucci and Jonathan Masci and Francesco Visin},
journal= {arXiv preprint arXiv:1806.05510},
year = {2018}
}
备注
CVPR Workshop - DAVIS Challenge 2018