弱监督视频显著目标检测
计算机视觉与模式识别
2021-04-07 v1
摘要
借助逐像素标注的训练数据集，全监督视频显著目标检测已取得显著性能提升，但此类数据获取耗时且昂贵。为减轻数据标注负担，我们提出了首个基于重新标注的“注视引导涂鸦标注”的弱监督视频显著目标检测模型。具体而言，我们提出了“表观-运动融合模块”与基于双向ConvLSTM的框架，以基于新的弱标注实现有效的多模态学习与长时程时间上下文建模。此外，我们设计了一种新颖的前景-背景相似性损失，以进一步挖掘跨帧的标注相似性。还引入了弱标注增强策略，通过一种新的伪标签生成技术来提升模型性能。在六个基准视频显著性检测数据集上的大量实验结果证明了我们方法的有效性。
引用
@article{arxiv.2104.02391,
title = {Weakly Supervised Video Salient Object Detection},
author = {Wangbo Zhao and Jing Zhang and Long Li and Nick Barnes and Nian Liu and Junwei Han},
journal= {arXiv preprint arXiv:2104.02391},
year = {2021}
}