通过交替凸优化实现主要对象分割.pdfVIP

通过交替凸优化前景和背景分布实现中的主要对象分割

Won‑DongChulwooLeeChang‑Su

Jang韩国大学NorthumbriaUniversityKim韩国大学

wdjang@mcl.korea.ac.krchulwoo.lee@northumbria.ac.ukchangsukim@korea.ac.kr

在这项工作中，我们提出了一种新的无监督

对象分割算法。为了从背景中分割出主要前景对象，

本文提出了一种无监督的对象分割算法，该我们根据前景和背景概率分布定义了三种能量：

算法能够自动发现序列中的主要对象。我们引入可夫能量、时空能量和对抗能量。然后，我们最小化

了三种能量来描述前景和背景概率分布：能这三种能量项的混合能量以实现分割。更具体地说，

量、时空能量和对抗。然后，我们最小化这三由于混合能量是非凸的，我们开发了交替凸优化

种能量的混合体以将主要对象从其背景中分离出来。（ACO）方案，将非凸问题转化为两个二次规划。我

然而，这种混合能量是非凸的。因此，我们开发了交们从前向后执行分割，然后再从后向前执行。实验结

替凸优化（ACO）方案，该方案将非凸优化分解为两果表明，所ACO算法在SegTrack

个二次规划问题。此外，我们提出了前向‑后向策略，SegTrackv和VidSeg数据集上的表现优于最先

该策略按顺序从第一帧到最后帧进行分割，然后再反进的传统算法。总之，本文有三个主要贡献。

过来操作，以利用时间相关性。在广泛数据集上的实

验结果表明，所ACO算法显著优于现有技术。

•介绍前景和背景分布的混合能量及其用于从背景

中分割主要对象的ACO。

1.引言

•前向‑后向策略，用于从前一帧到最后一帧以及反向

对象分割是从序列中将主要对象与背景顺序传递对象信息，以实现准确的对象分割。

分离的过程。它作为各种视觉应用的初步步骤非常适

用，例如动作识别、基于内容的检索、目标内容•在三个数据集上取得显著的性能成就，包括包

替换和。因此，开发稳健的对象分割技有性序列的VidSeg数据集。

术非常重要。然而，由于存在多种（例如杂乱的

背景、遮挡和非刚性对象变形），对象分割具有2.相关工作

性。为了解决这些问题，已经做出了许多尝试。用于对象分割的监督方法需要用户对主要对

象进行标注，包括非刚性对象和交互式分割。

对象分割方法可以分为监督和无监督方法。在非刚性对象中，主要对象在第一帧中手动勾勒出

监督方法通过使用用户在少数选定帧上来，然后在后续帧中进行。在交互式

的注释来解决问题。相比之下，无监督方法分割中，利用用户在少数选定帧上的标注来将对象与其

自动识别对象。由于没有关于对象的先背景分离。然而，手动勾勒或标注是非常耗时

验信息，无监督分割比监督分割更具性。的。因此，在这项工作中，我们关注无监督