视频目标分割

Video Object SegmentationVOS进阶

在视频的每一帧里持续抠出指定物体的像素掩码。

给定一段视频，在每一帧输出目标物体的像素级掩码（标出哪些像素属于它），并在物体移动、变形、被遮挡后仍认出是同一个物体。按人给的提示多少分几类：半监督 VOS 在第一帧给出目标掩码，算法往后传播；无监督 VOS 不给提示，自动找出主要物体；交互式 VOS 允许用户中途点击修正。DAVIS 是经典评测基准。2024 年 Meta 的 SAM 2 用带记忆的 Transformer 把图像和视频分割统一起来，点一下就能在整段视频里跟住物体。机器人里常用它给操作目标持续打掩码、做数据自动标注，或给策略提供以物体为中心的输入。