百度大脑“突围”史上最难ECCV：10篇论文入选，尽显国际AI顶流风范

论文中，为了更好地解决具有挑战性的半监督视频分割任务，百度对嵌入学习的关键所在进行了研究。以往的嵌入学习方法通常只考虑学习前景像素上的特征，不同与此，本文方法认为同等地学习背景与前景更为重要。基于此，研究人员提出了前背景整合的协作式视频目标分割方法。

该方法会隐式地迫使模型学到的前景特征与背景特征具有更强的对比性，从而使得模型对前景的分割更为精准。除此之外，新模型会同时匹配像素尺度和实例尺度上的前背景嵌入特征，这使得模型对不同尺度的物体都有良好的鲁棒性。研究人员在三个最常用的数据集（DAVIS-2016, DAVIS-2017和YouTube-VOS）上进行了大量的实验来验证我们的方法的有效性。在这三个数据集上，新提出单模型性能均超越了现有的最佳方法。

论文10：GINet: Graph Interaction Network for Scene Parsing

关键词：场景分割，图交互单元，语义上下文损失，上下文推理

（编辑：衡阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!