要約
我々は、半教師あり動画オブジェクトセグメンテーション（VOS）のための新しいマッチングベースのフレームワークを提案する。近年、マッチングベースのアルゴリズムにより、最先端のVOS性能が達成されており、その中で特徴量バンクが領域のマッチングおよび分類用に特徴量を保存する役割を果たしている。しかし、継続的に増大する特徴量バンク内の情報を効果的に整理する方法については十分に検討されておらず、その結果、バンクの設計が非効率的となっている。本研究では、新しい特徴量を動的に取り込み、陳腐化した特徴量を適切に排除するための適応型特徴量バンク更新機構を導入する。さらに、不確実な領域におけるセグメンテーション精度を向上させるために、新たな信頼度損失関数と細粒度セグメンテーションモジュールを設計した。公開ベンチマーク上の実験結果から、本手法が既存の最先端手法を上回ることを確認した。