التمييز بين الأشياء في الفيديو بمرور واحد

يتناول هذا البحث مهمة تقسيم الكائنات في الفيديو بشكل شبه مشرف، أي فصل كائن عن الخلفية في الفيديو مع وجود قناع الإطار الأول. نقدم تقنية تقسيم الكائنات في الفيديو بمرة واحدة (One-Shot Video Object Segmentation - OSVOS)، والتي تعتمد على هندسة شبكة عصبية بالكامل تجزيئية قادرة على نقل المعلومات الدلالية العامة التي تم تعلمها على ImageNet إلى مهمة تقسيم المقدمة، وأخيراً إلى تعلم مظهر كائن واحد مُشَرَّح من سلسلة الاختبار (وبالتالي مرة واحدة). رغم أن جميع الإطارات يتم معالجتها بشكل مستقل، فإن النتائج تكون متناسقة ومستقرة زمنياً. أجرينا تجارب على قاعدة بيانات مقسمة لفيديوين مشروحين، مما يُظهِر أن OSVOS سريعة وتتفوق على الحالة الراهنة بمقدار كبير (79.8٪ مقابل 68.0٪).