半教師ありビデオオブジェクトセグメンテーション（VOS）は、ビデオ内の特定の指定されたオブジェクトを高密度に追跡することを目指しています。このタスクにおける主要な課題の一つは、目標オブジェクトと類似した背景の分散要素（distractors）の存在です。我々は、このような分散要素を抑制するための3つの新規戦略を提案します：1) 空間的に時間的に多様化されたテンプレート構築スキームにより、目標オブジェクトの一般的な特性を取得します；2) 学習可能な距離評価関数を使用して、2つの連続フレーム間の一貫性を利用して空間的に遠い分散要素を除外します；3) オブジェクトが絡み合った訓練サンプルを提供することで、各オブジェクトに一意の特徴を持たせるためにスワップアンドアタッチ拡張を行います。すべての公開ベンチマークデータセットにおいて、当モデルはリアルタイム性能を維持しながらも、現代の最先端手法と同等の性能を達成しています。定性的結果もまた、既存手法に対する当アプローチの優位性を示しています。我々は、当アプローチが将来のVOS研究において広く利用されることになると確信しています。