高速オンラインオブジェクト追跡とセグメンテーション：統合的なアプローチ

本論文では、単一のシンプルな手法を用いて、視覚的な物体追跡と半教師付きビデオ物体セグメンテーションをリアルタイムで行う方法を示します。当手法は、SiamMaskと名付けられ、物体追跡のための人気のある完全畳み込みシAMESE（Siamese）アプローチのオフライン学習プロセスを二値セグメンテーションタスクの損失関数によって強化しています。学習が完了すると、SiamMaskは単一のバウンディングボックス初期化にのみ依存し、オンラインで動作します。これにより、クラスに依存しない物体セグメンテーションマスクと回転したバウンディングボックスを55フレーム毎秒で生成します。そのシンプルさ、多様性、高速性にもかかわらず、当戦略はVOT-2018におけるリアルタイムトラッカーの中で新たな最先端を確立し、同時にDAVIS-2016およびDAVIS-2017での半教師付きビデオ物体セグメンテーションタスクにおいて競争力のある性能と最速の速度を示しています。プロジェクトウェブサイトは http://www.robots.ox.ac.uk/~qwang/SiamMask です。