利用光流运动信息的弱监督实例分割
计算机视觉与模式识别
2022-03-01 v1
摘要
弱监督实例分割因降低了模型训练所需像素级掩码的高标注成本而日益受到关注。现有的弱监督实例分割方法利用静态图像中的外观信息检测和分割物体，但面临难以识别外观无区分性物体的挑战。本研究通过使用图像序列中的运动信息来解决该问题。我们提出了一种双流编码器，利用从图像和光流中提取的外观与运动特征。此外，我们提出了一种考虑外观与运动信息以监督分割的新型成对损失。我们在 YouTube-VIS 2019 基准数据集上进行了充分评估。结果表明，所提方法将 SOTA 方法的 Average Precision 提升了 3.1。
引用
@article{arxiv.2202.13006,
title = {Weakly Supervised Instance Segmentation using Motion Information via Optical Flow},
author = {Jun Ikeda and Junichiro Mori},
journal= {arXiv preprint arXiv:2202.13006},
year = {2022}
}
备注
5 pages, 3 figures, submitted to the 29th IEEE International Conference on Image Processing (ICIP)