文献

J-GLOBAL ID：202002290823231901   整理番号：20A1187749

RPM-NET:自己教師付きビデオオブジェクトセグメンテーションのためのロバスト画素レベルマッチングネットワーク【JST・京大機械翻訳】

RPM-Net: Robust Pixel-Level Matching Networks for Self-Supervised Video Object Segmentation

著者 (5件)： Kim Youngeun (KAIST) ,  Choi Seokeon (KAIST) ,  Lee Hankyeol (KAIST) ,  Kim Taekyung (KAIST) ,  Kim Changick (KAIST)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： WACV  ページ： 2046-2054  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,人間のラベル付きデータなしでビデオオブジェクトセグメンテーションのための自己教師つき手法を導入した。具体的には,訓練のためのラベル付けされていないビデオからの色情報のみを用いて,隣接フレーム間のピクセルを整合させる新しい深いアーキテクチャであるロバストピクセルレベルマッチングネットワーク(RPM-Net)を提案した。技術的に,RPM-Netは2つの主要モジュールで分離できる。埋込みモジュールは最初に入力画像を高次元埋込み空間に投影する。次に,変形可能なコンボリューション層を有するマッチングモジュールは,埋め込み特徴に基づいて参照とターゲットフレームの間の画素を一致させた。変形可能なコンボリューションを用いた以前の方法と異なり,著者らのマッチングモジュールは,空間的に隣接するピクセルにおける類似の特徴に焦点を合わせるために変形可能なコンボリ著者らの実験は,選択的特徴サンプリングが,カメラ振れ,高速運動,変形,およびオクルージョンのようなビデオオブジェクトセグメンテーションにおける挑戦的問題に対するロバスト性を改善することを示した。また,3つの公開データセット(すなわち,DAVIS-2017,SegTrack-v2,およびYoutube-Objects)に関する包括的実験を行い,自己管理ビデオオブジェクトセグメンテーションに関する最先端の性能を達成した。さらに,自己教師つきと完全教師つきビデオオブジェクトセグメンテーション(DAVIS-2017検証セット上で41.0%対52.5%)間の性能ギャップを大幅に低減した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  畳込み ,  *画素 ,  *録画装置 ,  高次元 ,  計算機アーキテクチャ ,  *ロバスト性 ,  自己管理 ,  オクルージョン
準シソーラス用語： 色情報 ,  *オブジェクトセグメンテーション , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： rpm ,  自己 ,  教師 ,  ビデオオブジェクトセグメンテーション ,  ロバスト ,  画素 ,  マッチングネットワーク