最近，视频对象分割（VOS）网络通过生成辅助帧和实施原型级匹配，解决了空间-时间一致性和像素匹配问题。实验结果显示，该方法在DAVIS 2017和YouTube VOS 2018上表现优异，推理速度超过32 FPS。

视频对象分割（VOS）是一种区分和跟踪视频中目标对象的技术。研究人员提出了一个名为LVOS的新基准，该基准包含比现有数据集更长5倍的视频，以更好地评估VOS模型在实际场景中的性能。研究发现，现有的VOS模型在真实场景中性能下降较大，突出了实现精确跟踪和分割的挑战。

该研究提出了一种新的视频对象分割方式，通过快速优化技术学习目标外观模型，预测出粗略的目标分割，并转化为高质量的分割掩模。该方法具有快速、易于训练、高效等优点，在实验中表现出更高的帧率和优异的性能。

本文提出了一个简单而有效的解决方案，通过分析数据集分布、引入公共静态和视频分割数据集增补数据集，改进了三种不同特性的网络结构并训练多个网络去学习视频中物体的不同特性，通过整合和后处理确保精准的视频对象分割。在Youtube-VOS数据集上的实验表明，该解决方案达到了86.1%的整体分数，是Youtube-VOS Challenge 2022中视频对象分割轨迹第五名的最新技术水平。

视频对象分割（VOS）是区分和跟踪视频中目标对象的技术。研究人员提出了名为LVOS的新基准，包含更长的视频，以评估VOS模型在实际场景中的性能。现有的VOS模型在真实场景中性能下降较大，突出了精确跟踪和分割的挑战。

本文介绍了一种基于人工交互的视频对象分割方法，使用深度学习技术进行交互式图像分割，并应用于视频对象分割中。该方法在 GrabCut 数据集上表现出较高的准确性，仅需平均 3.8 次点击即可获得 90％ 的 IOU。同时，研究了用户的使用模式和提供的纠正类型，为进一步改进交互式视频分割提供了重要见解。

该研究提出了一种新的视频对象分割方式，通过快速优化技术学习目标外观模型，预测出粗略的目标分割并转化为高质量的分割掩模。实验结果表明，该方法在YouTube-VOS和DAVIS数据集上具有更高的帧率和优异的性能。

该研究提出了一种新的视频对象分割方式，通过快速优化技术学习目标外观模型，预测出粗略但鲁棒的目标分割，并将其转化为高质量的分割掩模。该方法具有快速、易于训练、高效等优点，在实验中表现出更高的帧率和优异的性能。

该研究提出了一种新的视频对象分割方式，通过快速优化技术学习目标外观模型，预测出粗略但鲁棒的目标分割，并将其转化为高质量的分割掩模。该方法具有快速、易于训练、高效等优点，在实验中表现出更高的帧率和优异的性能。

本文介绍了一种名为PerSAM的个性化方法，无需训练，通过位置先验定位目标概念，然后通过目标引导注意力、目标语义提示和级联后处理在其他图像或视频中对其进行分割。此外，还提出了一种高效的单次微调变体PerSAM-F，以缓解掩模的歧义。通过在具有竞争性性能的视频对象分割上测试，验证了该方法的有效性。

本文介绍了一个新的像素注释数据集VISOR，用于在自我中心视频中分割手和活动对象。该数据集包含272K带标注的语义掩模，9.9M插值稠密掩模，67K手-物体关系，覆盖36小时的179个未修剪的视频。同时，还介绍了三项有关视频对象分割、交互理解和长期推理的挑战。

本文提出了一种新的视频对象分割训练范式，通过在训练期间生成伪标签并将其与已标记数据结合优化模型，我们仅需要稀疏注释就可以训练出令人满意的模型。在使用 YouTube-VOS 和 DAVIS 基准测试时，我们的方法取得了与全标记集训练的同行相当的结果，仅使用了7.3％和2.9％的标记数据。

该研究提出了一种新的视频对象分割方式，使用快速优化技术学习目标外观模型，具有快速、易于训练、高效等优点。在实验中表现出更高的帧率和优异的性能。

该研究提出了一种新的视频对象分割方式，使用快速优化技术学习目标外观模型，以预测出粗略但鲁棒的目标分割，然后将粗略的分数转化成高质量的分割掩模。在 YouTube-VOS 和 DAVIS 数据集上进行了广泛实验，其结果具有更高的帧率和优异的性能。

该研究提出了一种基于学习嵌入空间的像素级检索方法，用于解决视频对象分割问题。该方法支持不同类型的用户输入，并在计算成本上获得了很好的结果。在半监督场景中，该方法达到了与现有技术相比竞争性的结果，但计算成本仅为每帧 275 毫秒。在交互式场景中，该方法能够实时响应用户的每个输入，并达到了与竞争方法相当的质量，但交互程度要少得多。