以往的视频目标分割（VOS）工作都是在密集注释的视频上进行训练的。然而，以像素级获取注释是昂贵而耗时的。在此工作中，我们证明了在稀疏注释的视频上训练出令人满意的VOS模型的可行性—…
Read More每日归档： 2023年3月22日
自然语言辅助手语识别 Natural Language-Assisted Sign Language Recognition
手语是一种视觉化语言，通过手势、面部表情、身体运动等传达信息。由于这些视觉元素的组合有固有的限制，手语中存在大量视觉上难以区分的符号（VISigns），这限制了视觉神经网络的识别能…
Read MoreOmniTracker：通过“跟踪与检测”统一对象跟踪 OmniTracker: Unifying Object Tracking by Tracking-with-Detection
目标跟踪（OT）的目标是在视频序列中估计目标对象的位置。根据目标对象的初始状态是在第一帧中提供的注释还是分类，可以将OT分为实例跟踪（例如，SOT和VOS）和类别跟踪（例如，MOT…
Read More