BriefGPT - AI 论文速递
·
通过位置感知的复制粘贴数据增强实现遮挡下的实例分割
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该文介绍了一个大规模的被遮挡的视频实例分割数据集，并提出了一个简单的插件模块，用于补充遮挡引起的缺失对象线索，取得了显着的AP提升。现有的视频理解系统无法理解这些被遮挡的实例。
🎯
关键要点
- 收集了一个大规模的被遮挡的视频实例分割数据集。
- 该数据集用于在遮挡场景中同时分割和跟踪实例。
- 实验表明，现有的视频理解系统无法理解被遮挡的实例。
- 提出了一个简单的插件模块，用于补充遮挡引起的缺失对象线索。
- 该模块建立在 MaskTrack R-CNN 和 SipMask 上。
- 在 OVIS 数据集上取得了显著的 AP 提升。
➡️
