将运动视为选项以减少无监督视频对象分割中的运动依赖性

无监督视频对象分割（VOS）旨在在像素级别检测视频序列中最显著的对象。在无监督VOS中，大多数最先进的方法利用从光流图中获得的运动线索以及外观线索，以利用显著对象通常相对于背景具有独特运动这一特性。然而，由于这些方法过度依赖可能在某些情况下不可靠的运动线索，因此无法实现稳定的预测。为了减少现有双流VOS方法对运动线索的依赖，我们提出了一种新颖的可选利用运动线索的网络——运动选项网络。此外，为了充分利用所提出的网络中运动并非总是必需这一特性，我们引入了一种协作网络学习策略。在所有公开的基准数据集上，我们提出的网络均实现了实时推理速度下的最先进性能。