SegFlow：视频目标分割与光流的联合学习
计算机视觉与模式识别
2017-09-21 v1
摘要
本文提出了一种端到端可训练网络 SegFlow，用于在视频中同时预测逐像素目标分割和光流。所提出的 SegFlow 具有两个分支，在统一框架中双向传播目标分割和光流的有用信息。分割分支基于在图像分割任务中被证明有效的全卷积网络，光流分支则利用了 FlowNet 模型。该统一框架在离线状态下迭代训练以学习通用概念，并在线针对特定目标进行微调。在视频目标分割和光流数据集上的大量实验表明，引入光流可提升分割性能，反之亦然，且表现优于 state-of-the-art 算法。
引用
@article{arxiv.1709.06750,
title = {SegFlow: Joint Learning for Video Object Segmentation and Optical Flow},
author = {Jingchun Cheng and Yi-Hsuan Tsai and Shengjin Wang and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:1709.06750},
year = {2017}
}
备注
Accepted in ICCV'17. Code is available at https://sites.google.com/site/yihsuantsai/research/iccv17-segflow