我们收集了一个大规模的被遮挡的视频实例分割数据集，即检测，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这些被遮挡的实例，我们还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，建立在 MaskTrack R-CNN 和 SipMask 上，在 OVIS 数据集上取得了显着的 AP 提升。

Feb, 2021

本研究提出和研究了一项新的计算机视觉任务，名为 OpenVIS，该任务旨在根据对应的文本描述同时分割，检测和跟踪视频中的任意对象。通过开放词汇的设计，OpenVIS 可以识别所需类别的对象，而不管这些类别是否包括在训练数据集中。为了实现这一目标，本文提出了一个由两个阶段组成的流程，首先利用基于查询的蒙版提议网络生成所有潜在对象的蒙版，并通过预先训练的 VLM 预测其对应的类别，其次通过提议后处理方法更好地适应预训练的 VLMs，以避免扭曲和不自然的提议输入。

May, 2023

本文提出了开放词汇视频实例分割这一新颖任务，在收集的大词汇量视频实例分割数据集上基于集成的 MindVLT 实现了该任务。实验结果表明，该方法能够有效地处理实际中从未见过的新类别，并且提供了数据集和代码以促进未来的研究。

Apr, 2023

介绍了一个新数据集 LVIS，包括超过 1000 个对象类别和约 164k 幅图像，用于解决目标检测中的少训练样本问题。

Aug, 2019

开放世界视频实例分割和字幕生成 (OW-VISCap) 是一种联合分割、跟踪和描述以前见过或未见过的视频中的物体的方法。

Apr, 2024

2018 年的 DAVIS 挑战赛主要包括视频对象分割的任务，比赛使用 DAVIS 2017 数据集，增加了 100 个多对象序列视频，添加了交互式分割 Teaser 赛道。

Mar, 2018

UVIS 是一种无监督视频实例分割框架，利用 DINO 模型的密集形状先验和 CLIP 模型的开放识别能力，通过帧级伪标签生成、基于 Transformer 的 VIS 模型训练和基于查询的跟踪等三个关键步骤实现，通过采用双存储器设计，包括语义存储器和跟踪存储器，以提高无监督环境下 VIS 预测的质量，在 YoutubeVIS-2019 等相应基准上取得了 21.1 AP 的结果，展示了该无监督 VIS 框架的潜力。

Jun, 2024

本文介绍了 2017 年 DAVIS 视频物体分割挑战赛，该挑战赛是一个公共数据集，评测方法和比赛，它是为了特别针对视频物体分割任务而设计的，挑战赛遵循其他成功首创的做法，如 ILSVRC 和 PASCAL VOC，DAVIS 挑战赛包括数据集、评估方法和与 CVPR 2017 同地举办的独立工作坊，本文还描述了该基准测试的范围、数据集的主要特征、竞赛的评价指标，并对参赛者的结果进行了详细分析。

Apr, 2017

自主车辆需要准确理解其环境以安全导航。通过识别未知物体，特别是那些在训练过程中不存在的野生动物，以防止严重事故的发生非常重要。虽然语义分割方法在异常物体的识别方面取得了重大进展，但全面理解场景动态需要分割单个物体，因此实例分割至关重要。然而，由于缺乏专门的基准测试，这一领域的发展一直滞后。为了填补这一空白，我们将最常使用的异常分割基准测试扩展到实例分割任务。我们对异常实例分割方法的评估表明，这个挑战仍然是一个未解决的问题。可以在该网站和竞赛页面找到基准网址：[insert URL]。

Jun, 2024

近期的研究表明，针对具有挑战性和长视频序列而言，传统的离线方法不一定优于逐帧的在线处理。本研究提出了新的面向近在线视频实例分割（NOVIS）方法，并通过详细分析不同处理范式和新的端到端可训练模型，证明了该方法的优越性，并在 YouTube-VIS（2019/2021）和 OVIS 基准测试中取得了新的最先进的结果。

Aug, 2023