摘要

我们提出了一种实时、高质量的半监督视频对象分割算法。该算法的精度与目前最准确但计算耗时的在线学习模型相当，而其运行速度则接近最快的模板匹配方法（尽管后者精度略低）。模型的核心组件是一个新颖的全局上下文模块，能够有效整合并传播整个视频中的信息。与以往仅依赖单帧或少数几帧来指导当前帧分割的方法不同，该全局上下文模块利用了所有历史帧的信息。不同于此前最先进的时空记忆网络在每个时空位置缓存记忆的方式，本模块采用固定大小的特征表示，因此无论视频长度如何，其内存占用始终保持恒定，显著降低了内存和计算开销。得益于这一创新模块，我们的模型在标准基准测试中实现了顶尖性能，同时保持实时运行速度。