FODVid：基于流导向的视频中对象发现

在视频中分割物体具有挑战性，因为存在诸如运动模糊、视差、遮挡、光照变化等细微差异。与其分别解决这些细微差异，我们更关注构建一个泛化能力强的解决方案，以避免过度拟合个体复杂性。这样的解决方案还有助于节省大量用于视频语料库人工标注的资源。为了在无监督环境下解决视频物体分割（VOS）问题，我们提出了一种新的管道（FODVid），该方法基于利用光流引导图割和时间一致性来指导分割输出的思想。具体而言，我们设计了一个结合帧内外观和光流相似性以及考虑对象跨帧时间连续性的分割模型。我们在标准的DAVIS16视频基准上对这一简单的方法进行了广泛的实验分析。尽管方法简单，但我们的方法在无监督VOS领域的表现与现有顶级方法相当（约2个mIoU范围内）。我们技术的简洁性和有效性为视频领域的研究开辟了新的途径。