以多任务损失与跳跃记忆重访序列到序列视频对象分割
计算机视觉与模式识别
2020-04-28 v1
摘要
视频对象分割（VOS）是视觉领域一个活跃的研究方向。其基础子任务之一是半监督/单样本学习：仅给定第一帧的分割掩码，任务是对序列其余部分中的对象提供像素级精确的掩码。尽管近年来取得诸多进展，我们注意到许多现有方法在较长序列中会丢失对象，尤其在对象较小或短暂遮挡时。本工作中，我们基于一种采用编码器-解码器架构并结合记忆模块以利用序列数据的序列到序列方法。我们通过提出一种利用配备记忆的跳跃连接来处理多尺度时空信息的模型进一步改进该方法。此外，我们引入基于距离分类的辅助任务，极大提升了分割掩码边缘质量。我们将方法与当前最优方法比较，并在轮廓精度指标和整体分割精度上显示出可观提升。
引用
@article{arxiv.2004.12170,
title = {Revisiting Sequence-to-Sequence Video Object Segmentation with Multi-Task Loss and Skip-Memory},
author = {Fatemeh Azimi and Benjamin Bischke and Sebastian Palacio and Federico Raue and Joern Hees and Andreas Dengel},
journal= {arXiv preprint arXiv:2004.12170},
year = {2020}
}