摘要

半监督视频对象分割（VOS）旨在在视频中密集跟踪某些指定的对象。该任务的主要挑战之一是存在与目标对象相似的背景干扰物。我们提出了三种新颖的策略来抑制这些干扰物：1) 空间时间多样化的模板构建方案，以获取目标对象的泛化特性；2) 可学习的距离评分函数，通过利用连续两帧之间的时序一致性来排除空间上远离的干扰物；3) 交换和附加增强技术，通过提供包含纠缠对象的训练样本，迫使每个对象具有独特的特征。在所有公开的基准数据集上，我们的模型性能与当前最先进的方法相当，甚至实现了实时性能。定性结果也证明了我们的方法优于现有方法。我们相信，我们的方法将在未来的VOS研究中得到广泛应用。