视频集合中的无监督对象发现与跟踪
计算机视觉与模式识别
2015-05-15 v1
摘要
本文解决了在噪声视频集合中自动将主导对象定位为时空管的问题，监督极少甚至无监督。我们将该问题表述为两个互补过程的组合：发现与跟踪。前者建立跨视频显著区域之间的对应，后者关联同一视频中连续的相似对象区域。有趣的是，我们的算法还发现了与不同视频中同一对象类实例相关的帧的隐式拓扑，这一角色在常规图像和视频理解方法中通常由类标签形式的监督信息承担。正如我们的实验所展示的，我们的方法能够处理具有多个对象类的视频集合，并在共定位中大幅优于最先进水平，尽管它以少得多的监督解决更广泛的问题。
引用
@article{arxiv.1505.03825,
title = {Unsupervised Object Discovery and Tracking in Video Collections},
author = {Suha Kwak and Minsu Cho and Ivan Laptev and Jean Ponce and Cordelia Schmid},
journal= {arXiv preprint arXiv:1505.03825},
year = {2015}
}