返回
Self-supervised video object segmentation via pseudo label rectification
DOI:10.1016/j.patcog.2025.111428.png)
摘要
En 中文
本文提出了一种新颖的自监督视频对象分割(VOS)框架,该框架包含孪生编码器和双向解码器。孪生编码器通过视觉-语义空间中的交叉注意力提取多级特征,并为每个像素生成伪标签。此类孪生编码器通过着色任务进行学习,无需任何带标签的视频数据。双向解码器接收编码器不同层的特征并输出细化的分割掩码。此类双向解码器通过伪标签进行训练,同时伪标签通过双向解码器的相互学习得到校正。通过最小化双向解码器的输出变化,使得伪标签与真实标签之间的差距减小。在具有挑战性的DAVIS-2017和YouTube-VOS数据集上的实验结果证明了我们提出方法的有效性。
Keyword:
Video object segmentation
Self-supervised learning
Pseudo label learning
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
Self-supervised learning of scene flow with occlusion handling through feature masking
PATTERN RECOGNITION
IF7.6
Cross-frame feature-saliency mutual reinforcing for weakly supervised video salient object detection
PATTERN RECOGNITION
IF7.6

