STC:ビデオインスタンスセグメンテーションのための時空間コントラスト学習【JST・京大機械翻訳】

Jiang Zhengkai; Gu Zhangxuan; Peng Jinlong; Zhou Hang; Liu Liang; Wang Yabiao; Tai Ying; Wang Chengjie; Zhang Liqing

プレプリント

J-GLOBAL ID：202202220045684762 整理番号：22P0286359

STC:ビデオインスタンスセグメンテーションのための時空間コントラスト学習【JST・京大機械翻訳】

STC: Spatio-Temporal Contrastive Learning for Video Instance 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 (9件)： , , , , , , , ,
資料名：
発行年： 2022年02月08日プレプリントサーバーでの情報更新日： 2022年08月20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)

ビデオインスタンスセグメンテーション(VIS)は,ビデオにおける分類,セグメンテーションおよびインスタンス連想を同時に必要とするタスクである。最近のVISアプローチは,RoI関連操作または3D畳込みを含むこの目標を達成するために,洗練されたパイプラインに依存する。対照的に,余分なトラッキングヘッドを加えることにより,インスタンスセグメンテーション法CondInstに基づく簡単で効率的な単一ステージVISフレームワークを提案した。インスタンス相関精度を改善するために,フレームを横断する埋込みを追跡するための新しい双方向空間時間コントラスト学習戦略を提案した。さらに,時間的にコヒーレントな結果を生成するために,一例ごとの時間的整合性スキームを利用した。YouTube-VIS-2019,YouTube-VIS-2021,およびOVIS-2021データセットで行った実験により,提案した方法の有効性と効率を検証した。提案フレームワークは,多くの他のインスタンスレベルビデオ連想タスクに対する簡単で強力な代替として役立ちうることを期待する。【JST・京大機械翻訳】

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

パターン認識 , 図形・画像処理一般 , 人工知能

, ,

前のページに戻る