摘要

在本研究中，我们探讨了无监督视频对象分割问题，即在不依赖对象先验知识的情况下对运动物体进行分割。首先，我们提出了一种基于运动的双边网络，通过分析非对象区域的运动模式来估计背景。该双边网络通过精确识别背景区域，有效减少了误检区域。随后，我们将双边网络输出的背景估计结果与实例嵌入（instance embeddings）融合到一个图结构中，利用图边连接不同帧中的像素，从而实现跨多帧的推理。通过定义并最小化一个代价函数，对图中的节点进行分类，并根据节点标签完成视频帧的分割。所提出的方法在DAVIS 2016和FBMS-59数据集上均优于以往的最先进无监督视频对象分割方法。