💡
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
视频目标分割（VOS）旨在自动分割视频中的目标，广泛应用于多个领域。现有方法在复杂场景中面临挑战。本文提出逐帧和逐段时空交互记忆网络（FSSTIM），通过整合多粒度时空信息，提升分割准确性和效率，尤其在处理遮挡和相似目标时表现优异。实验结果表明，FSSTIM在多个数据集上超越现有方法，具有重要应用价值。
🎯
关键要点
-
视频目标分割（VOS）旨在自动分割视频中的目标，广泛应用于视频编辑、机器人导航、自动驾驶等领域。
-
现有方法在处理复杂视频场景时面临挑战，如目标遮挡、相似目标混淆和动态背景干扰，影响分割精度和效率。
-
本文提出逐帧和逐段时空交互记忆网络（FSSTIM），整合多粒度时空信息，提升分割准确性和鲁棒性。
-
FSSTIM引入时空上下文图网络，增强逐帧和逐段记忆特征图的交互，提升对目标遮挡和相似目标的处理能力。
-
动态采样记忆读取策略结合不同粒度的采样窗口，高效提取关键历史信息，减少计算冗余，提升推理速度。
-
FSSTIM作为即插即用模块，可集成到现有VOS方法中，提升性能和泛化能力。
-
实验结果显示，FSSTIM在多个数据集上超越现有方法，尤其在复杂场景中表现优异，保持实时推理速度。
-
消融实验表明，FSSTIM的逐帧与逐段交互模块和动态采样策略在分割性能和效率上具有显著优势。
➡️
