研究人员推出了一种新的运动物体分割（MOS）框架GMOS，该框架直接在RGB视频上运行，为多个运动物体提供三维感知、时间上细粒度的分割。与依赖二维辅助模态并将运动视为序列级属性的先前方法不同，GMOS将其分析基于三维空间和时间。该框架还包括用于更快的前背景分割的GMOS-S。为了促进训练和评估，该团队策划了GMOS-2K数据集，并正式化了MOS-I，一个瞬时评估协议。GMOS在各种基准测试中展示了最先进的性能，提供了更快的处理速度并支持在线推理。 AI
影响 这项研究通过整合三维空间和时间信息，推动了物体分割技术的发展，有望改进自主系统和视频分析。
排序理由 该集群包含一篇详细介绍用于运动物体分割的新框架和数据集的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.30352v1 Announce Type: new Abstract: Moving Object Segmentation (MOS) aims to discover, segment, and track objects that move independently of the camera. Current MOS methods, however, exhibit two fundamental limitations: they rely on pre-computed 2D auxiliary modalitie…
Moving Object Segmentation (MOS) aims to discover, segment, and track objects that move independently of the camera. Current MOS methods, however, exhibit two fundamental limitations: they rely on pre-computed 2D auxiliary modalities such as optical flow or point trajectories tha…