効率的なビデオオブジェクトセグメンテーションのための二重時間メモリネットワーク【JST・京大機械翻訳】

Zhang Kaihua; Wang Long; Liu Dong; Liu Bo; Liu Qingshan; Li Zhu

プレプリント

J-GLOBAL ID：202202207329128480 整理番号：22P0122576

効率的なビデオオブジェクトセグメンテーションのための二重時間メモリネットワーク【JST・京大機械翻訳】

Dual Temporal Memory Network for Efficient Video Object Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年03月13日プレプリントサーバーでの情報更新日： 2020年03月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ビデオオブジェクトセグメンテーション(VOS)は半教師つき設定で典型的に定式化される。第1フレーム上のグランドトルースセグメンテーションマスクを与えて,VOSのタスクは,ピクセルレベルでビデオの静止フレームにおける単一または多重オブジェクトを追跡およびセグメント化することである。VOSにおける基本的課題の一つは,性能を高めるための時間情報の使用をいかに行うかである。VOSの時間的モデリングに取り組むための時間メモリとして,現在のフレームに先行する短期および長期ビデオシーケンス情報を格納するエンドツーエンドネットワークを示した。このネットワークは,短期メモリサブネットワークと長期メモリサブネットワークを含む2つの時間的サブネットワークから成る。短期メモリサブネットワークは,グラフベース学習フレームワークを介してビデオ中の隣接フレームを横断する局所領域間の微細粒空間-時間相互作用をモデル化し,それは時間にわたる局所領域の視覚的一貫性をよく保存できる。長期メモリサブネットワークは,単純化ゲート再電流ユニット(S-GRU)によるオブジェクトの長距離進化をモデル化し,セグメンテーションはオクルージョンとドリフトエラーに対してロバストである。著者らの実験では,提案手法が,DAVIS2016,DAVIS2017,およびYoutube-VOSを含む3つの頻繁に使用されるVOSデータセットに対して,速度と精度の両方に関して,好ましい競合性能を達成することを示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

前のページに戻る