摘要
大多数视频对象分割方法均独立处理每个目标，当存在多个对象时，会导致较高的计算开销。本文提出AGSS-VOS，通过实例无关（instance-agnostic）与实例相关（instance-specific）模块，在单次前向传播路径中实现多对象的分割。两个模块的信息通过注意力引导的解码器进行融合，从而在单一路径中同步完成所有目标实例的分割。整个框架采用端到端可训练方式，并结合实例交并比（IoU）损失进行优化。在Youtube-VOS和DAVIS-2017数据集上的实验结果表明，AGSS-VOS在准确率与效率方面均达到了具有竞争力的性能。