ネットワーク調節を用いた効率的なビデオオブジェクトセグメンテーション

ビデオオブジェクトセグメンテーションは、注釈が付いた最初のフレームのみを基に、ビデオシーケンス全体で特定のオブジェクトをセグメンテーションすることを目指しています。最近の深層学習に基づくアプローチでは、数百回の勾配降下法の反復を使用して、一般的なセグメンテーションモデルを注釈付きフレームに対して微調整することで効果的であることが示されています。これらの手法は高い精度を達成していますが、微調整プロセスは非効率的であり、実世界アプリケーションの要件を満たすことができません。そこで我々は、特定のオブジェクトの外観にセグメンテーションモデルを適応させるために単一の順方向パスを使用する新しいアプローチを提案します。具体的には、目標オブジェクトに関する限られた視覚情報と空間情報を基に、セグメンテーションネットワークの中間層を操作するための第二のメタニューラルネットワーク（modulator）を学習します。実験結果によると、我々のアプローチは微調整手法よりも70倍高速でありながら、同程度の精度を達成しています。