Track Anything：当 Segment Anything 遇见视频
计算机视觉与模式识别
2023-05-01 v2
摘要
近期，Segment Anything Model（SAM）因其在图像上令人印象深刻的分割性能而迅速获得大量关注。鉴于其在图像分割上的强大能力以及与不同提示的高交互性，我们发现它在视频的一致分割上表现不佳。因此，在本报告中，我们提出 Track Anything Model（TAM），其在视频中实现了高性能的交互式跟踪与分割。具体而言，给定一个视频序列，仅需极少的人为参与（即数次点击），人们便可跟踪任何感兴趣的目标，并在一次前向推理中获得满意结果。无需额外训练，这种交互式设计在视频目标跟踪与分割上表现优异。所有资源发布于 {https://github.com/gaomingqi/Track-Anything}。我们希望本工作能促进相关研究。
引用
@article{arxiv.2304.11968,
title = {Track Anything: Segment Anything Meets Videos},
author = {Jinyu Yang and Mingqi Gao and Zhe Li and Shang Gao and Fangjing Wang and Feng Zheng},
journal= {arXiv preprint arXiv:2304.11968},
year = {2023}
}
备注
Tech-report