ワンショットビデオオブジェクトセグメンテーション

本論文では、半教師付きビデオオブジェクトセグメンテーションの課題に取り組んでいます。これは、最初のフレームのマスクが与えられた場合、ビデオ内のオブジェクトを背景から分離する作業です。私たちは、ImageNetで学習された汎用的な意味情報を順次転送し、前景セグメンテーションのタスクへと移行し、最終的にはテストシーケンス内の単一のアノテーション付きオブジェクトの外観を学習する（したがってワンショット）完全畳み込みニューラルネットワークアーキテクチャに基づくOne-Shot Video Object Segmentation (OSVOS)を提案します。すべてのフレームが独立して処理されるにもかかわらず、結果は時間的に一貫性があり安定しています。2つのアノテーション付きビデオセグメンテーションデータベースでの実験を行い、その結果OSVOSは高速であり、従来の最先端技術よりも大幅に性能を向上させていることが示されました（79.8％ 対 68.0％）。