我们提出了一个统一的面向对象的时间学习框架，用于多视角三维检测和跟踪任务。通过构建一个循环学习机制以提高多视角表示学习的鲁棒性，使模型预测的信息能够向后传播，从而减小历史帧中与目标无关的区域的响应，降低污染未来帧的风险并提高时间融合的对象感知能力。我们进一步根据循环学习模型，针对跟踪问题定制了一个面向对象的关联策略。所提出的循环学习方法和关联模块共同构成了一个新颖而统一的多任务框架。在 nuScenes 上的实验证明，所提出的模型在检测和跟踪评估上相对于不同设计（如基于密集查询的 BEVFormer，基于稀疏查询的 SparseBEV 和基于 LSS 的 BEVDet4D）的基线模型都取得了一致的性能提升。

Jul, 2024

本研究探讨了如何通过引入语义先验来指导外观模型，从而解决半监督视频对象分割的问题，并提出了半监督视频对象分割（SGV）方法，该方法能够在每帧半秒钟的时间内，在两个不同的数据集上使用各种评估指标，比以前的最新技术取得更好的结果。

Apr, 2017

本研究提出了一种端到端的深度神经网络，结合了 Mask-RCNN 实例分割网络和 Conv-GRU 视觉记忆模块，用于解决半监督视频对象分割任务，实验结果表明该方法在 DAVIS 数据集上取得了令人满意的结果。

Sep, 2019

本研究提出一种具有高可靠性的纠错机制，包括对目标帧嵌入进行稳健的信道重校准，引入可靠引用补充 “根据局部时间相关性和可靠参考” 两种调节器，采用级联纠正方案，用于在线半监督视频对象分割中抑制误差传播，并通过在可靠性过滤器中检索可靠补丁，将参考线索增强，最终，在 YouTube-VOS18/19 和 DAVIS17-Val/Test 基准上实现最先进的性能表现。

Dec, 2021

本研究介绍了一种基于运动线索的分割方法，使用 Transformer 网络结构，采用自我监督的方法进行训练，结果在公共基准测试中表现优异，证明在现有视频分割模型中，对于运动线索的重要性，以及对视觉外观存在潜在偏差的可能性。

Apr, 2021

本文提出了一种利用未标记数据改进的视频语义分割训练模型，该模型结合了卷积架构和时空转换器循环层，并能够通过光流适应性地门控使时间上的标记信息传递，模型通过未标记帧来改善视频分割准确性，并在基于多个深度架构中进行了广泛实验。

Dec, 2016

本篇文章提出了一种基于动态神经网络的方法，利用时间信息快速识别变化最小帧并跳过繁重的掩码生成步骤，从而提高了半监督视频对象分割的推断速度，同时不会过多降低精度。

Dec, 2020

本文提出了第一个完全无监督的方法，用于在真实场景的序列中分割多个对象，通过空间绑定对象并将这些槽联系起来，在高级语义特征空间中重建中间帧，解决了效率和规范化问题，成功地在 YouTube 视频中分割了复杂且多变的类别的多个实例。

Oct, 2023

提出两种方法以减少在线视频对象分割方法的内存需求，同时提高建模准确性和推广性，并实验结果表明这些方法可以提高在线视频对象分割模型的性能，增强其在长视频数据集上的鲁棒性。

Sep, 2023

本文提出了一种自监督的方法，通过循环一致性来学习视觉对应关系，应用其学到的特征图表示可以在一系列视觉对应任务中取得较好的性能。

Mar, 2019