文献

J-GLOBAL ID：202202245522912148   整理番号：22A1053170

ビデオオブジェクトセグメンテーションのための注意誘導メモリモデル【JST・京大機械翻訳】

Attention-Guided Memory Model for Video Object Segmentation

著者 (2件)： Lin Yunjian (National Key Laboratory of Science and Technology on Multi-spectral Information Processing, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan, China) ,  Tan Yihua (National Key Laboratory of Science and Technology on Multi-spectral Information Processing, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1566  ページ： 67-85  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 半教師つきビデオオブジェクトセグメンテーション(S-VOS)を,推論期間の間に初期マスクに指定した対象のオブジェクトを画素ごとに分離する。小さな物体では,単一フレームに含まれる利用可能な情報が制限され,S-VOSタスクはより挑戦的である。既存の方法は,小さな物体シーケンスに関する精度と速度の間のバランスに達することができない。問題を解決するために,2つの新しいモジュール,すなわち,共同注意誘導(JAG)と空間時間特徴融合(STFF)を導入することによって,ビデオオブジェクトセグメンテーションのための注意誘導メモリモデル(AGM)を開発した。精度のために,JAGは,顕著な特徴マップを生成するために多次元注意機構を採用し,それは視覚ガイド,空間ガイドおよびチャネルガイドを通して対象領域を強調する。さらに,STFFは,以前のメモリ特徴,現在の高レベル顕著特徴,および低レベル特徴の融合により,より完全な空間-時間情報を統合し,それは,小さなオブジェクトの効果的表現を提供する。速度については,STFFは,最先端のモデルで使用される明示的なクエリアプローチよりも,その組込み計算アーキテクチャがより効率的であるいくつかの軽量RNNを採用した。DAVISとYouTube-VOSデータセットに関する広範な実験を行った。DAVIS2017上の小型物体に対して,AGMは480pに対して28.0fpsの63.5[数式:原文を参照]平均を得て,最先端の方法と比較して約5x速い速度で同様の精度を達成した。Copyright Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *記憶装置 ,  視覚 ,  表現 ,  情報 ,  特性 ,  地図 ,  画素 ,  高次元 ,  チャネル ,  計算機アーキテクチャ ,  *注意
準シソーラス用語： 時間情報 ,  クエリー ,  特徴マップ ,  ユーチューブ ,  *オブジェクトセグメンテーション , 【Automatic Indexing@JST】

著者キーワード (3件)： 半教師つきビデオオブジェクトセグメンテーション ,  注意機構 ,  特徴融合

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ビデオオブジェクトセグメンテーション ,  注意 ,  誘導 ,  モデル