受 Tukey 启发的视频对象分割
计算机视觉与模式识别
2018-12-03 v2
摘要
我们研究严格无监督视频对象分割问题，即在无用户提供的对象掩码或任何标注数据集训练的情况下，将视频中主体对象与背景分离。我们利用受 John Tukey 启发的“离群度”度量在低层视觉数据中寻找前景对象。该受 Tukey 启发的度量还随着视频特性变化（例如相机开始运动）估计各数据源的可靠性。所提方法在具有挑战性的 DAVIS 数据集上取得了严格无监督视频对象分割的 SOTA 结果。最后，我们使用受 Tukey 启发度量的一种变体来融合多种分割方法的输出，包括那些在训练、运行时或两者期间使用监督的方法。这种集体上更鲁棒的分割方法将其组成方法的 Jaccard 度量提升了至多 28%。
引用
@article{arxiv.1811.07958,
title = {Tukey-Inspired Video Object Segmentation},
author = {Brent A. Griffin and Jason J. Corso},
journal= {arXiv preprint arXiv:1811.07958},
year = {2018}
}