运动分组自我监督的视频对象分割

动物已经进化了高度功能的视觉系统，以了解运动，即使在复杂的环境下也能够帮助感知。在本文中，我们努力通过利用运动提示来开发能够分段对象的计算机视觉系统，即运动分割。我们提出以下贡献：首先，我们引入了变压器的简单变体，将光学流帧分段为主对象和背景。其次，我们以自我监督的方式训练架构，即，不使用任何手动注释。第三，我们分析了我们方法的几个关键组成部分，并进行了彻底的消融研究，以验证其必需品。第四，我们在公共基准（Davis2016，Segtrackv2和FBMS59）上评估拟议的架构。尽管仅使用光流量作为输入，但我们的方法与以前的最先进的自我监督方法相比，卓越的结果达到了卓越的结果，同时是一个更快的数量级。我们还在挑战伪装数据集（MOCA）上进行评估，显着优于其他自我监督的方法，以及对顶级监督方法有利地进行比较，突出了运动提示的重要性，以及现有视频分段模型中的视觉外观的潜在偏见。