文献

J-GLOBAL ID：202202262252682087   整理番号：22A0446390

ディストラクタを意識したビデオオブジェクトセグメンテーション【JST・京大機械翻訳】

Distractor-Aware Video Object Segmentation

著者 (3件)： Robinson Andreas (Linkoping University, Linkoping, Sweden) ,  Eldesokey Abdelrahman (Linkoping University, Linkoping, Sweden) ,  Felsberg Michael (Linkoping University, Linkoping, Sweden)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13024  ページ： 222-234  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  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は,最初のフレームで最初のマスクを与えられたビデオシーケンスを通してターゲットを分割することを目的とする挑戦的なタスクである。識別的アプローチは,顕在的複雑性で,このタスクに関する競合性能を示した。これらの手法は,ターゲットと背景の間の1対1分類として問題を典型的に定式化する。しかしながら,実際には,ビデオシーケンスは,通常,ターゲット,背景,およびおそらく他の混乱オブジェクトを含む。これらの対象は,特にターゲットと視覚的類似性を共有する場合,偽陽性を導入するリスクを増加させる。したがって,背景からディストラクタを分離して,それらを独立に処理することはより効果的である。著者らは,この状況を自分自身のクラスに分離することによって,この状況に対処する一つの対人的方式を提案した。この分離により,性能を低下させる可能性が最も高い領域に対して特別な注意を払った。著者らは,学習-what-to-larn[3]方法の修正により,この定式化の顕著性を実証した。提案手法は,DAVIS2017検証データセットに新しい最先端技術を設定し,DAVIS2017試験-devベンチマークのベースラインを4.6%ポイントで改善した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  学習 ,  *トラクタ ,  類似性 ,  基準線 ,  定式化 ,  カオス ,  ベンチマーク
準シソーラス用語： ビデオシーケンス ,  誤検出 ,  複雑性 ,  *オブジェクトセグメンテーション , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： トラクタ ,  意識 ,  ビデオオブジェクトセグメンテーション