具有运动属性理解的无监督在线视频对象分割
计算机视觉与模式识别
2019-08-07 v2 机器学习
摘要
无监督视频对象分割旨在无需任何用户标注的情况下，自动从非受限视频中分割出运动对象。迄今为止，文献中仅报道了少数无监督在线方法，且其性能仍远不能令人满意，因为在线设定下无法处理来自未来帧的互补信息。为解决这一挑战性问题，本文提出一种新颖的无监督在线视频对象分割（UOVOS）框架，将运动属性阐释为分割区域随通用对象一同运动。通过结合显著运动检测与对象提议，我们开发了一种像素级融合策略，以有效去除动态背景和静止对象等检测噪声。此外，利用紧邻前帧获得的分割结果，采用前向传播算法来处理不可靠的运动检测与对象提议。在多个基准数据集上的实验结果证明了所提方法的有效性。与最先进的无监督在线分割算法相比，所提方法取得了 6.2% 的绝对增益。而且，我们的方法在 DAVIS-2016 基准数据集上取得了优于最佳无监督离线算法的性能。我们的代码可在项目网站获取：https://github.com/visiontao/uovos。
引用
@article{arxiv.1810.03783,
title = {Unsupervised Online Video Object Segmentation with Motion Property Understanding},
author = {Tao Zhuo and Zhiyong Cheng and Peng Zhang and Yongkang Wong and Mohan Kankanhalli},
journal= {arXiv preprint arXiv:1810.03783},
year = {2019}
}