Video Mask Transformer

LVMT模型通过更快、更长期的跟踪技术推动视频分割发展

研究人员开发了长时视频掩码Transformer（LVMT），这是一种旨在改进长而复杂视频中对象跟踪的新型模型，尤其是在存在长时间遮挡的情况下。LVMT通过集成一个轻量级的基于GRU的时间传播模块来解决现有方法的局限性，该模块能够自适应地选择要在时间上携带的信息。此外，它采用了一种称为截断查询传播（TQP）的训练策略，能够在没有内存或梯度问题的困扰下对更长的视频进行训练。实验表明，LVMT在各种视频分割任务上取得了新的最先进成果，其速…