摘要

误差传播是在线半监督视频对象分割中一个普遍且关键的问题。为有效抑制误差传播，我们提出一种具有高可靠性的修正机制。核心思想是将修正过程与传统的掩码传播过程解耦，并基于可靠的线索进行独立处理。为此，我们引入两种调制模块：传播调制模块与修正调制模块，分别根据局部时序相关性以及可靠的参考信息，对目标帧的嵌入特征进行通道级重校准。具体而言，我们采用级联式的传播-修正架构来集成这两个调制模块，从而避免传播调制模块对可靠修正调制模块产生干扰或覆盖其效果。尽管带有真实标注的参考帧能够提供可靠的线索，但其与目标帧之间可能存在显著差异，从而引入不确定或不完整的时序关联。为此，我们通过向一个持续维护的特征块池中补充可靠的特征区域，增强参考线索的表达能力，使调制模块能够获得更加全面且富有表现力的对象表征。此外，我们设计了一种可靠性过滤机制，用于筛选出可靠的特征块，并将其传递至后续帧中。所提出的模型在YouTube-VOS 2018/2019以及DAVIS 17-Val/Test基准上均取得了当前最优的性能表现。大量实验结果表明，该修正机制通过充分挖掘可靠引导信息，显著提升了模型的整体性能。代码已开源，地址为：https://github.com/JerryX1110/RPCMVOS。