通过跟踪部件实现快速准确的在线视频对象分割

在线视频对象分割是一项具有挑战性的任务，因为它需要及时且准确地处理图像序列。为了在视频中分割目标对象，许多基于卷积神经网络（CNN）的方法通过在第一帧的对象掩码上进行大量微调来实现，这在线应用中耗时较长。本文提出了一种快速且准确的视频对象分割算法，该算法一旦接收到图像即可立即启动分割过程。我们首先利用基于部件的跟踪方法来应对诸如大变形、遮挡和杂乱背景等挑战因素。在此基础上，根据跟踪到的部件边界框，构建了一个感兴趣区域分割网络以生成部件掩码。最后，采用基于相似性的评分函数通过与第一帧中的视觉信息进行比较来精炼这些对象部件。我们的方法在DAVIS基准数据集上的准确性表现优于现有最先进算法，同时实现了更快的运行时间性能。