単純かつ強力なグローバル最適化手法を用いた無教師ビデオオブジェクトセグメンテーション

私たちは、ビデオにおける教師なし物体セグメンテーションのための単純でありながら強力な手法を提案します。本稿では、入力シーケンス全体で主要な注目物体のマスクを表す最小値を持つ目的関数を導入します。この関数は独立した画像特徴量と光学フローにのみ依存しており、これらの特徴量とフローは既存の自己教師あり方法を使用して取得できます。シーケンスの長さに比例してスケーリングが可能であり、スーパピクセルや疎化を必要とせず、特定のトレーニングなしで異なるデータセットにも汎化することが可能です。実際、この目的関数は全ビデオに適用されるスペクトルクラスタリングの一形態から導き出されます。当手法は標準的なベンチマーク（DAVIS2016, SegTrack-v2, FBMS59）において最先端技術と同等の性能を達成しており、概念的にも実践的にも遥かに単純です。コードは https://ponimatkin.github.io/ssl-vos で入手可能です。