【实例分割】开源 | 哈佛大学提出一种视频实例分割方法，以缓解由于缺失检测而产生的问题，超越以Mask R-CNN为主干的算法

论文地址： http://arxiv.org/pdf/2111.07529v1.pdf

来源： Birla Institute of Technology and Science，Harvard University

论文名称：Object Propagation via Inter-Frame Attentions for Temporally Stable Video Instance Segmentation

原文作者：Anirudh S Chakravarthy

内容提要

视频实例分割的目的是检测、分割和追踪视频中的物体。目前的方法是将图像层面的分割算法扩展到时间域。然而，这会导致掩码在时间上不一致。在本文中，发现了由于时间稳定性导致的掩码质量是一个性能瓶颈。受此启发，提出一种视频实例分割方法，以缓解因检测缺失而产生的问题。由于不能简单地使用空间信息来解决，因此利用帧间关注的时间背景。这使得该网络能够利用邻近帧的框预测来重新关注缺失的物体，从而克服了缺失检测问题。本文提出方法大大超过了使用Mask R-CNN为主干的最先进的算法，在YouTube-VIS基准上取得了35.1% mAP。此外，该方法是完全在线的，不需要未来的frames。

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。