备注：研究方向 地点 学校/公司 昵称，更快通过申请，长按加细分领域技术交流群，目前有细分领域：图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理（分割检测）、深度学习。
论文地址： http://arxiv.org/pdf/2111.06265v1.pdf
来源： TU Darmstadt
论文名称：Dense Unsupervised Learning for Video Segmentation
原文作者：Nikita Araslanov
内容提要
本文提出一种新的无监督学习方法用于视频对象分割(VOS)。与之前的工作不同，我们的公式允许在完全卷积的范围内直接学习稠密特征表示。我们依靠统一网格采样来提取一组锚点，并训练我们的模型，以消除它们之间在视频内部和内部的水平的歧义。然而，一个简单的方案训练这样一个模型的结果是退化解。我们建议用一个简单的正则化方案来防止这种情况，将分割任务的等方差特性适应于相似度转换。我们的训练目标能够有效地实施，并展现出快速的训练收敛性。在已建立的VOS基准上，尽管使用了明显较少的训练数据和计算能力，我们的方法但仍超过了以前工作的分割精度。
主要框架及实验结果
