获取完整原文和代码，公众号回复：09020709933
论文地址： http://arxiv.org/pdf/2003.08333v2.pdf
代码： 公众号回复：09020709933
来源： 悉尼科技大学
论文名称：Collaborative Video Object Segmentation by Foreground-Background Integration
原文作者：Zongxin Yang
内容提要
本文研究了在给定参考序列和预测序列之间进行嵌入学习的原理，用以解决具有挑战性的半监督视频目标分割问题。不同于以往只探索利用前景目标的像素进行嵌入学习的做法，我们认为应该平等对待前景和背景，从而提出了基于前景-背景集成的协同视频目标分割(CFBI)的方法，并在此基础上提出了一种基于前景-背景集成的协同视频目标分割方法CFBI(Collaborative Video Object)。我们的CFBI隐含地将来自目标前景目标及其对应背景的特征嵌入进行对比，从而提高了分割结果。利用前景和背景的特征嵌入，我们的CFBI从像素和实例两个层面对参考序列和预测序列进行匹配，使得CFBI对不同的目标尺度都具有鲁棒性。我们在三个流行的基准上进行了广泛的实验，即Davis 2016，Davis 2017和YouTube-Vos。我们的CFBI分别达到了89.4%、81.9%和81.0%的性能(J&F)，与其他同类算法相比性能SOTA。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
