此篇论文介绍了一个新的大型视频对象分割数据集（YouTube-VOS），目前是已知最大的数据集之一，其中包含 4,453 个 YouTube 视频剪辑和 94 个物体类别，并在此数据集上评估了几种现有的最先进的视频对象分割算法，以建立未来新算法的基础。

Sep, 2018

该研究提出了一种新的视频对象分割方式，它由轻量级模块和分割模型两部分组成。在推理阶段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，该模式具有快速、易于训练、在有限的训练数据情况下仍然高效等优点。在挑战性的 YouTube-VOS 和 DAVIS 数据集上进行了广泛实验，其结果与现有技术相比具有更高的帧率和优异的性能。

Feb, 2020

该研究提出了一种新的、自动化的视频物体分割方法，通过集成一种可区分的少量样本学习模块，提高了分割精度，实现了当前YouTube-VOS 2018数据集的最新最佳分数，并使相对改进率达到了2.6％以上。

Mar, 2020

本文提出了一种新的视频对象分割训练范式-两张标记帧的视频对象分割，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。通过使用YouTube-VOS和DAVIS基准测试的仅仅7.3％和2.9％标记数据，我们的方法取得了与全标记集训练的同行相当的结果。

Mar, 2023

提出了一种基于稀疏点注释方案的新型Point-VOS任务和标注机制，通过基于伪掩码的训练可以使现有的VOS方法在性能上接近全监督的表现，并且该数据可用于改进视觉和语言相关的模型。

Feb, 2024

视频对象分割（VOS）旨在在视频中区分和跟踪目标对象。我们提出了一个名为LVOS的新基准，比现有的数据集包含长5倍的视频，以更好地反映VOS模型在实际场景中的性能。在LVOS中，我们评估了20个现有的VOS模型，并发现这些模型在真实场景中遇到了较大的性能下降，突出了在实际世界场景中实现精确跟踪和分割的挑战。

Apr, 2024

本研究针对图像和视频中的可提示视觉分割问题提出了Segment Anything Model 2（SAM 2），构建了一个用户交互的数据引擎，以收集迄今为止最大的video segmentation数据集。通过使用我们的模型，视频分割的准确性显著提高，且交互次数减少到以前方法的三分之一，展现出在图像分割方面比之前的模型更快和更精准的处理能力。

Aug, 2024

本研究针对视频目标分割(VOS)中的对象遮挡、分裂及物体在拥挤场景中的追踪等挑战，提出了一种结合SAM2和Cutie模型的新方法。通过调试超参数，我们的方案在LSVOS挑战VOS赛道的测试阶段取得0.7952的J

Aug, 2024

本研究解决了视频物体分割（VOS）中的多个挑战，如物体遮挡、碎片化以及在拥挤场景中跟踪特定物体等问题。我们结合了最先进的SAM2和Cutie模型，探索了多种超参数对视频实例分割性能的影响，最终在LSVOS挑战VOS track的测试阶段获得0.7952的J

Aug, 2024

本研究解决了现有视频分割模型在复杂场景中表现不足的问题。我们引入了第六届大规模视频目标分割挑战，采用更具挑战性的MOSE、LVOS和MeViS数据集，评估视频对象分割（VOS）和指称视频对象分割（RVOS）。本次挑战吸引了来自20多个机构的129个团队参与，推动了视频目标分割技术的发展。

Sep, 2024