الأشياء لا تختفي: كشف الأشياء في الفيديو من خلال التوقع المكاني للأطر الفردية

الكائنات في مقاطع الفيديو تتميز عادةً بالحركة المستمرة الناعمة. نستغل الحركة المستمرة الناعمة بثلاثة أساليب:1) تحسين الدقة من خلال استخدام حركة الكائن كمصدر إشراف إضافي، والذي نحصل عليه عن طريق التنبؤ بمواقع الكائنات من إطار ثابت رئيسي.2) تحسين الكفاءة من خلال إجراء الحسابات المكلفة للخصائص على مجموعة صغيرة فقط من جميع الإطارات. نظرًا لأن الإطارات المجاورة للفيديو غالبًا ما تكون مكررة، فإننا نقوم بحساب الخصائص لإطار ثابت رئيسي واحد ونتنبأ بمواقع الكائنات في الإطارات اللاحقة.3) خفض تكلفة التسمية، حيث نقوم بتسمية الإطار الرئيسي فقط واستخدام الحركة الوهمية الناعمة بين الإطارات الرئيسية. نوضح الكفاءة الحاسوبية وكفاءة التسمية والدقة المتوسطة المتزايدة مقارنة بأحدث التقنيات على أربعة مجموعات بيانات: ImageNet VID، EPIC KITCHENS-55، YouTube-BoundingBoxes، و Waymo Open dataset. شفرتنا المصدر متاحة على الرابط: https://github.com/L-KID/Videoobject-detection-by-location-anticipation.