基于CRF的判别性特征学习用于无监督视频对象分割

本文提出了一种新型网络结构——判别性特征网络（Discriminative Feature Network, DFNet），用于解决无监督视频对象分割任务。为捕捉视频帧之间的内在关联，DFNet从输入图像中学习具有判别性的特征（D-features），这些特征能够从全局视角揭示特征分布的规律性。随后，利用条件随机场（Conditional Random Field, CRF）框架，将D-features与测试图像的所有特征建立对应关系，从而在像素层面强制实现一致性约束。实验结果表明，DFNet在DAVIS-2016数据集上取得了83.4%的平均交并比（mean IoU）成绩，显著超越现有最先进方法，并在该数据集的排行榜上位列第一；同时，其参数量远低于现有方法，在推理阶段展现出更高的效率。此外，我们在FBMS数据集和视频显著性数据集ViSal上进一步评估了DFNet，均取得了新的最先进性能。为进一步验证该框架的泛化能力，我们将DFNet拓展应用于图像对象共同分割任务，并在具有挑战性的PASCAL-VOC数据集上进行了实验，结果表明DFNet仍具备显著优势。大量实验充分验证了DFNet在捕捉与挖掘图像间潜在关联、识别共有的前景对象方面具有卓越能力。