摘要

我们研究无监督视频目标分割（Unsupervised Video Object Segmentation, UVOS），即在无需任何关于应追踪目标的先验信息的情况下，自动为视频序列中显著目标生成精确的像素级掩码，并实现这些目标在时间维度上的持续稳定追踪。为解决该任务，我们提出一种简洁且通用的算法——UnOVOST（Unsupervised Offline Video Object Segmentation and Tracking），该算法能够有效追踪并分割多种类型的目标。UnOVOST 采用分阶段建模策略：首先将分割结果聚类为时空一致的短时轨迹片段（tracklets），随后基于视觉相似性将这些短轨迹合并为长期一致的目标轨迹。为实现这一过程，我们引入了一种新型基于轨迹片段的“森林路径切割”（Forest Path Cutting）数据关联算法。该算法先构建一个包含多种轨迹假设的决策森林，再通过切割该森林生成构成长期一致目标轨迹的路径。在 DAVIS 2017 无监督数据集上的实验表明，我们的方法取得了当前最优的性能：在验证集（val）上达到 67.9% 的平均 J&F 分数，在测试开发集（test-dev）上为 58%，在测试挑战集（test-challenge）上为 56.4%，并荣获 DAVIS 2019 无监督视频目标分割挑战赛第一名。值得注意的是，尽管 UnOVOST 完全未接收任何关于目标身份的输入信息，其性能仍可与许多半监督视频目标分割算法相媲美，展现出强大的泛化能力与鲁棒性。