基于可迁移表征的视频中未见物体分割
计算机视觉与模式识别
2019-01-09 v1
摘要
为了学习视频中的物体分割模型，传统方法需要大量的像素级真值标注。然而，收集此类监督数据耗时费力。在本文中，我们利用源图像中已有的标注，并将此类视觉信息迁移以分割具有未见物体类别的视频。在不使用目标视频中任何标注的情况下，我们提出一种方法，联合挖掘有用片段并学习能更好适应目标帧的特征表征。整个过程被分解为两个任务：1）求解一个子模函数以选择类物体片段；2）学习一个带有可迁移模块的CNN模型，用于将源域中已见类别适配到未见目标视频。我们提出了两个任务之间的迭代更新方案，以自学习物体分割的最终解。在众多基准数据集上的实验结果表明，所提方法相比最先进算法表现更优。
引用
@article{arxiv.1901.02444,
title = {Unseen Object Segmentation in Videos via Transferable Representations},
author = {Yi-Wen Chen and Yi-Hsuan Tsai and Chu-Ya Yang and Yen-Yu Lin and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:1901.02444},
year = {2019}
}
备注
Accepted in ACCV'18 (oral). Code is available at https://github.com/wenz116/TransferSeg