被注意力背叛：一种简洁而有效的自监督视频对象分割方法

我们提出了一个简单而有效的方法来进行自监督视频对象分割。利用DINO预训练的Transformer中的固有结构依赖性建立视频中的时空对应关系，并通过简单的聚类产生分割结果。我们的方法在多个无监督VOS基准测试中展示了最先进的性能。