摘要
我们提出了一种基于匹配机制的新型半监督视频对象分割（Semi-Supervised Video Object Segmentation, VOS）框架。近年来，基于匹配的算法在VOS任务中取得了最先进性能，其核心思想是构建特征库（feature bank）以存储区域特征，用于后续的特征匹配与分类。然而，如何高效组织随时间持续增长的特征库中的信息仍缺乏深入研究，导致特征库的设计效率低下。为此，我们提出一种自适应的特征库更新机制，能够动态地吸收新特征并剔除过时特征。同时，我们设计了一种新的置信度损失函数以及一个细粒度分割模块，以提升在不确定区域的分割精度。在多个公开基准测试中，我们的方法显著优于现有最先进算法。