論文の概要: Scene-Centric Unsupervised Video Panoptic Segmentation

• arxiv url: http://arxiv.org/abs/2606.04925v1
• Date: Wed, 03 Jun 2026 14:19:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.819144
• Title: Scene-Centric Unsupervised Video Panoptic Segmentation
• Title（参考訳）: シーン中心の教師なしビデオパン光学セグメンテーション
• Authors: Christoph Reich, Oliver Hahn, Nikita Araslanov, Laura Leal-Taixé, Christian Rupprecht, Daniel Cremers, Stefan Roth,
• Abstract要約: ビデオパノプティクスセグメンテーション(VPS)は、ビデオを意味的に一貫した領域に分割しながら、すべてのオブジェクトを共同で検出、分割、追跡することを目的としている。 我々は、最初の教師なしVPSアプローチであるVideoCUPSを提案する。 VideoCUPSは、監督されていない深さ、動き、視覚的手がかりを利用して、シーン中心のビデオから時間的に一貫したパノラマビデオ擬似ラベルを生成する。
• 参考スコア（独自算出の注目度）: 82.97487705998671
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video panoptic segmentation (VPS) aims to jointly detect, segment, and track all objects while partitioning the video into semantically consistent regions. We introduce the task setting of unsupervised VPS, omitting any human supervision. Existing unsupervised scene understanding works mainly focused on image segmentation tasks; the video domain remains underexplored. We propose VideoCUPS, the first unsupervised VPS approach. VideoCUPS generates temporally consistent panoptic video pseudo-labels from scene-centric videos by exploiting unsupervised depth, motion, and visual cues. Training on these pseudo-labels using a novel Video DropLoss yields an accurate, unsupervised VPS model. To benchmark progress, we introduce a comprehensive evaluation protocol and four competitive baselines, extending state-of-the-art unsupervised panoptic image and instance video segmentation models to VPS. VideoCUPS outperforms all baselines and demonstrates strong label-efficient learning. With VideoCUPS, our evaluation protocol, and baselines, we provide a strong foundation for future research on unsupervised VPS.
• Abstract（参考訳）: ビデオパノプティクスセグメンテーション(VPS)は、ビデオを意味的に一貫した領域に分割しながら、すべてのオブジェクトを共同で検出、分割、追跡することを目的としている。 教師なしVPSのタスク設定を導入し、人間の監督を省略する。 既存の教師なしシーン理解は、主にイメージセグメンテーションタスクに焦点を当てており、ビデオ領域は未探索のままである。 我々は、最初の教師なしVPSアプローチであるVideoCUPSを提案する。 VideoCUPSは、監督されていない深さ、動き、視覚的手がかりを利用して、シーン中心のビデオから時間的に一貫したパノラマビデオ擬似ラベルを生成する。 ビデオドロップロスを用いた擬似ラベルのトレーニングでは、正確で教師なしのVPSモデルが得られる。 進捗をベンチマークするために、総合的な評価プロトコルと4つの競争ベースラインを導入し、最先端のパン光学画像とインスタンスビデオセグメンテーションモデルをVPSに拡張した。 VideoCUPSはすべてのベースラインを上回り、強力なラベル効率の学習を示す。 評価プロトコルである VideoCUPS とベースラインにより,教師なしVPS 研究のための強力な基盤を提供する。

関連論文リスト

• 2nd Place Solution for PVUW Challenge 2024: Video Panoptic Segmentation [12.274092278786966]
  ビデオパノプティクス(VPS)は、ビデオ内のすべてのオブジェクトを同時に分類、追跡、セグメンテーションすることを目的としている。 本稿では,ロバストな統合ビデオパノプティクスセグメンテーションソリューションを提案する。 本稿では,VPQ スコア56.36 と 57.12 の最先端性能を開発・試験段階で達成する。
  論文  参考訳（メタデータ） (2024-06-01T17:03:16Z)
• One-shot Training for Video Object Segmentation [11.52321103793505]
  Video Object(VOS)は、ビデオ内のフレームをまたいだオブジェクトを追跡し、ターゲットオブジェクトの初期アノテーション付きフレームに基づいてそれらをセグメンテーションすることを目的としている。 これまでのVOSの作業は、トレーニングのために完全に注釈付けされたビデオに頼っていた。 VOSのための一般的なワンショットトレーニングフレームワークを提案し、トレーニングビデオあたりのラベル付きフレームは1つしか必要としない。
  論文  参考訳（メタデータ） (2024-05-22T21:37:08Z)
• Guess What Moves: Unsupervised Video and Image Segmentation by Anticipating Motion [92.80981308407098]
  本稿では,動きに基づくセグメンテーションと外観に基づくセグメンテーションの強みを組み合わせたアプローチを提案する。 本稿では、画像分割ネットワークを監督し、単純な動きパターンを含む可能性のある領域を予測することを提案する。 教師なしのビデオセグメンテーションモードでは、ネットワークは、学習プロセス自体をこれらのビデオをセグメンテーションするアルゴリズムとして使用して、ラベルのないビデオの集合に基づいて訓練される。
  論文  参考訳（メタデータ） (2022-05-16T17:55:34Z)
• Tag-Based Attention Guided Bottom-Up Approach for Video Instance Segmentation [83.13610762450703]
  ビデオインスタンスは、ビデオシーケンス全体にわたるオブジェクトインスタンスのセグメンテーションと追跡を扱う、基本的なコンピュータビジョンタスクである。 そこで本研究では,従来の領域プロモーター方式ではなく,画素レベルの粒度でインスタンスマスク予測を実現するための,単純なエンドツーエンドのボトムアップ方式を提案する。 提案手法は,YouTube-VIS と DAVIS-19 のデータセット上での競合結果を提供する。
  論文  参考訳（メタデータ） (2022-04-22T15:32:46Z)
• Video Polyp Segmentation: A Deep Learning Perspective [97.70996418522748]
  本稿では,第1回総合ビデオポリプセグメンテーション(VPS)研究について紹介する。 まず、有名なSUNデータセットから158,690フレームを含む、SUN-SEGという高品質なフレーム単位のVPSデータセットを紹介します。 また,グローバルエンコーダ,ローカルエンコーダ,正規化自己保持ブロックからなる,シンプルだが効率的なベースラインを設計する。
  論文  参考訳（メタデータ） (2022-03-27T12:40:10Z)
• Box Supervised Video Segmentation Proposal Network [3.384080569028146]
  本稿では,本質的な映像特性を生かしたボックス管理型映像オブジェクト分割提案ネットワークを提案する。 提案手法は,最先端の自己監督ベンチマークを16.4%,6.9%上回る性能を示した。 提案手法のロバスト性を実証し,データセットに対する広範なテストと改善を行った。
  論文  参考訳（メタデータ） (2022-02-14T20:38:28Z)
• Slot-VPS: Object-centric Representation Learning for Video Panoptic Segmentation [29.454785969084384]
  Video Panoptic (VPS) は、各ピクセルにクラスラベルを割り当てることを目的としている。 このタスクの最初のエンドツーエンドフレームワークであるSlot-VPSを紹介します。
  論文  参考訳（メタデータ） (2021-12-16T15:12:22Z)
• Unsupervised Domain Adaptation for Video Semantic Segmentation [91.30558794056054]
  セマンティックセグメンテーションのための教師なしドメイン適応は、シミュレーションからリアルに知識を伝達できるため、大きな人気を集めている。 本研究では,ビデオセマンティック・アプローチのための教師なし領域適応という,このタスクの新たなビデオ拡張について述べる。 提案手法は,画像レベル (mIoU) と映像レベル (VPQ) の両方において,従来の画像ベースUDA手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-07-23T07:18:20Z)
• Video Panoptic Segmentation [117.08520543864054]
  我々は,ビデオパノプティクスセグメンテーションと呼ばれる,このタスクの新たな拡張手法を提案し,検討する。 この新しいタスクの研究を活性化するために,2種類のビデオパノプティクスデータセットを提示する。 本稿では,ビデオフレーム内のオブジェクトクラス,バウンディングボックス,マスク,インスタンスID追跡,セマンティックセマンティックセマンティックセマンティックセマンティクスを共同で予測する新しいビデオパノプティックセマンティクスネットワーク(VPSNet)を提案する。
  論文  参考訳（メタデータ） (2020-06-19T19:35:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。