将运动视为可选项以降低无监督视频目标分割中的运动依赖性
计算机视觉与模式识别
2022-11-03 v5
摘要
无监督视频目标分割（VOS）旨在像素级检测视频序列中最显著的对象。在无监督 VOS 中，多数先进方法除外观线索外，还利用由光流图获得的运动线索，以 exploiting 显著对象通常相较背景具有独特运动这一特性。然而，由于它们过度依赖运动线索，而后者在某些情况下可能不可靠，因而无法获得稳定预测。为降低现有双流 VOS 方法的运动依赖性，我们提出一种新颖的运动即选项网络，可有选择地利用运动线索。此外，为充分挖掘所提网络“运动并非总是必需”的特性，我们引入一种协同网络学习策略。在所有公开基准数据集上，我们所提网络以实时推理速度提供了最先进的性能。
引用
@article{arxiv.2209.03138,
title = {Treating Motion as Option to Reduce Motion Dependency in Unsupervised Video Object Segmentation},
author = {Suhwan Cho and Minhyeok Lee and Seunghoon Lee and Chaewon Park and Donghyeong Kim and Sangyoun Lee},
journal= {arXiv preprint arXiv:2209.03138},
year = {2022}
}
备注
WACV 2023