TrickVOS：视频对象分割的技巧集锦

时空记忆（STM）网络方法由于其卓越的性能，在半监督视频对象分割（SVOS）领域中占据主导地位。在本研究中，我们确定了可以在三个方面改进这些方法的关键点：i) 监督信号，ii) 预训练，iii) 空间感知。为此，我们提出了 TrickVOS；这是一种通用的方法无关技巧包，分别针对上述每个方面提出了解决方案：i) 结构感知混合损失函数，ii) 简单的解码器预训练方案，iii) 低成本的空间约束跟踪器。最后，我们设计了一种轻量级网络，并展示了当使用 TrickVOS 训练时，该网络在 DAVIS 和 YouTube 基准测试中的表现可与最先进的方法相媲美，同时成为首批能够在移动设备上实现实时运行的基于 STM 的 SVOS 方法之一。