抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マッチングベースネットワークは,将来の推論のために外部メモリバンクにあらゆるkフレームを保存することによって,ビデオオブジェクトセグメンテーション(VOS)タスクのための最先端の性能を達成した。中間フレーム予測の復元は,現在のフレームにおけるオブジェクトをセグメンテーションするためのより豊富な手がかりを持つネットワークを提供する。しかし,メモリバンクのサイズは,ビデオの長さとともに次第に増加し,推論速度を遅くし,任意の長さビデオを扱うのに実用的でない。本論文では,任意の長さのビデオを扱うことができる半教師つきビデオオブジェクトセグメンテーション(VOS)のためのマッチングベースネットワークのための適応メモリバンク戦略を提案した。特徴は,以前のフレームにおけるオブジェクトのセグメンテーションにおけるそれらの重要性に基づいて索引付けされる。指数に基づいて,著者らは,新しい特徴を収容するために,重要でない特徴を捨てた。DAVIS2016,DAVIS2017,およびYoutube-VOSに関する著者らの実験を示し,著者らの方法が,固定サイズのメモリバンクを有する第一および後期戦略を使用する最先端技術より優れていることを示し,そして,増加するサイズのメモリバンクを有するあらゆるk戦略に匹敵する性能を達成した。さらに,実験により,提案手法は,1次および1次戦略に対して,各kおよび35%にわたって,推定速度を80%まで増加させることを示した。【JST・京大機械翻訳】