要約
現在のビデオ セグメンテーション モデルは既存のベンチマークで有望なパフォーマンスを示していますが、これらのモデルは依然として複雑なシーンで苦労しています。
このペーパーでは、ECCV 2024 ワークショップと併せて、第 6 回大規模ビデオ オブジェクト セグメンテーション (LSVOS) チャレンジを紹介します。
今年のチャレンジには、ビデオ オブジェクト セグメンテーション (VOS) と参照ビデオ オブジェクト セグメンテーション (RVOS) の 2 つのタスクが含まれています。
今年は、従来の YouTube-VOS および YouTube-RVOS ベンチマークを最新のデータセット MOSE、LVOS、MeViS に置き換えて、より困難で複雑な環境下で VOS を評価します。
今年のチャレンジには、8 か国以上の 20 以上の研究機関から 129 の登録チームが参加しました。
このレポートには、課題とデータセットの紹介、および 2 つのトラックで上位 7 チームが使用した手法が含まれています。
詳細については、ホームページ https://lsvos.github.io/ をご覧ください。
要約(オリジナル)
Despite the promising performance of current video segmentation models on existing benchmarks, these models still struggle with complex scenes. In this paper, we introduce the 6th Large-scale Video Object Segmentation (LSVOS) challenge in conjunction with ECCV 2024 workshop. This year’s challenge includes two tasks: Video Object Segmentation (VOS) and Referring Video Object Segmentation (RVOS). In this year, we replace the classic YouTube-VOS and YouTube-RVOS benchmark with latest datasets MOSE, LVOS, and MeViS to assess VOS under more challenging complex environments. This year’s challenge attracted 129 registered teams from more than 20 institutes across over 8 countries. This report include the challenge and dataset introduction, and the methods used by top 7 teams in two tracks. More details can be found in our homepage https://lsvos.github.io/.
arxiv情報
| 著者 | Henghui Ding,Lingyi Hong,Chang Liu,Ning Xu,Linjie Yang,Yuchen Fan,Deshui Miao,Yameng Gu,Xin Li,Zhenyu He,Yaowei Wang,Ming-Hsuan Yang,Jinming Chai,Qin Ma,Junpei Zhang,Licheng Jiao,Fang Liu,Xinyu Liu,Jing Zhang,Kexin Zhang,Xu Liu,LingLing Li,Hao Fang,Feiyu Pan,Xiankai Lu,Wei Zhang,Runmin Cong,Tuyen Tran,Bin Cao,Yisi Zhang,Hanyi Wang,Xingjian He,Jing Liu |
| 発行日 | 2024-09-09 17:45:45+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google