論文の概要: Competitive Memory Readout for Robust Video Object Segmentation: 2nd Place Technical Report for the MOSEv2 Track of the 8th LSVOS Challenge

• arxiv url: http://arxiv.org/abs/2608.22064v1
• Date: Sat, 22 Aug 2026 18:09:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.943963
• Title: Competitive Memory Readout for Robust Video Object Segmentation: 2nd Place Technical Report for the MOSEv2 Track of the 8th LSVOS Challenge
• Title（参考訳）: ロバストビデオオブジェクトセグメンテーションのための競合メモリリードアウト:第2回MOSEv2トラック技術報告
• Authors: Mingqi Gao, Sijie Li, Jungong Han,
• Abstract要約: 我々は,第8回大規模ビデオオブジェクト(LSVOS)チャレンジをECCV 2026で開催する。 この課題は、複雑な時間的ダイナミクスの下で、ロバストなビデオオブジェクトセグメンテーションを評価する。 本手法はSAM3上に構築され,メモリの読み出しに重点を置いている。
• 参考スコア（独自算出の注目度）: 51.15679610275694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present our solution for the MOSEv2 track of the 8th Large-scale Video Object Segmentation (LSVOS) Challenge at ECCV 2026. The challenge evaluates robust video object segmentation under complex temporal dynamics, including long-term occlusion, disappearance and reappearance, large appearance changes, and strong interference from visually similar objects. Our method builds on SAM~3 and focuses on its memory readout. Standard target-only memory retrieval can confuse the annotated target with same-class non-target objects because such distractors are represented only implicitly as background. Our method introduces Competitive Memory Readout, which explicitly incorporates same-class competitor evidence when retrieving target information from memory. To prevent excessive suppression of weak or reappearing targets, we further apply a lightweight adaptive restoration rule after competition. The resulting system retains the original SAM~3 tracking pipeline while improving target identity preservation in challenging videos. Our submission achieves 66.20 on the primary challenge score and ranks 2nd in the MOSEv2 track.
• Abstract（参考訳）: 第8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(ECCV 2026)のMOSEv2トラックに対するソリューションを提案する。 この課題は、長期の閉塞、消失と再出現、大きな外観の変化、視覚的に類似した物体からの強い干渉を含む、複雑な時間的ダイナミクスの下で、ロバストなビデオオブジェクトのセグメンテーションを評価する。 本手法はSAM~3上に構築され,メモリの読み出しに重点を置いている。 標準的なターゲットのみのメモリ検索は、アノテートされたターゲットを同じクラス非ターゲットオブジェクトと混同することができる。 本手法では,メモリからターゲット情報を取得する際に,同クラスの競合する証拠を明示的に組み込んだコンペティティブ・メモリ・リードアウトを提案する。 弱いターゲットや再現れるターゲットの過剰な抑制を防止するため、競技後の軽量適応復元ルールを適用する。 結果として得られたシステムは、元のSAM~3追跡パイプラインを保持しながら、挑戦的なビデオにおけるターゲットのアイデンティティ保存を改善している。 本論文は,第1次チャレンジスコアの66.20を達成し,MOSEv2トラックで2位となった。

関連論文リスト

• Re-Prompting SAM 3 via Object Retrieval: 3rd of the 5th PVUW MOSE Track [51.15679610275694]
  目標の消失と再出現下でのロバスト性を改善するための自動再飛散フレームワークを開発した。 我々のソリューションはテストセットで51.17%のJ&Fを達成し、MOSEv2トラックで3位となった。
  論文  参考訳（メタデータ） (2026-03-24T23:45:15Z)
• LSVOS 2025 Challenge Report: Recent Advances in Complex Video Object Segmentation [186.14566815158506]
  本報告では,ICCV 2025とともに開催された第7回大規模ビデオオブジェクト(LSVOS)チャレンジの概要について述べる。 2025年版は新たに導入されたコンプレックスVOS (MOSEv2) が特徴である。 データセットとプロトコルを要約し、トップパフォーマンスのソリューションを強調し、新興トレンドを抽出します。
  論文  参考訳（メタデータ） (2025-10-13T07:02:09Z)
• 2nd Place Report of MOSEv2 Challenge 2025: Concept Guided Video Object Segmentation via SeC [46.76209037655681]
  セミ教師付きビデオオブジェクトは、指定されたターゲットを1フレームのマスクでビデオシーケンスを通してセグメントすることを目的としている。 SeCフレームワークはより永続的なセグメンテーションのためにオブジェクトの深いセマンティック理解を確立した。 SeCはテストセットで39.7 JFnを獲得し、第7回大規模ビデオオブジェクトチャレンジの複合VOSトラックで2位にランクインした。
  論文  参考訳（メタデータ） (2025-09-28T12:26:03Z)
• The 1st Solution for MOSEv2 Challenge 2025: Long-term and Concept-aware Video Segmentation via SeC [59.53390730730018]
  ソリューションはテストセットで39.89%のJFスコアを獲得し、LSVOSチャレンジのMOSEv2トラックで1位となった。
  論文  参考訳（メタデータ） (2025-09-23T15:58:13Z)
• SAMSON: 3rd Place Solution of LSVOS 2025 VOS Challenge [9.131199997701282]
  大規模なビデオオブジェクトモジュール(LSVOS)は、長いビデオシーケンスにおけるオブジェクトの正確な追跡とセグメンテーションという課題に対処する。 テストセットリーダーボードにおけるJ&Fの最終的な性能は0.8427であった。
  論文  参考訳（メタデータ） (2025-09-22T08:30:34Z)
• Tackling Background Distraction in Video Object Segmentation [7.187425003801958]
  ビデオオブジェクトセグメンテーション(VOS)は、ビデオ内の特定のオブジェクトを密に追跡することを目的としている。 このタスクの主な課題の1つは、ターゲットオブジェクトに類似したように見えるバックグラウンド・トラクタの存在である。 このような混乱を抑制するための3つの新しい戦略を提案する。 我々のモデルは,リアルタイムな性能であっても,現代の最先端手法に匹敵する性能を実現している。
  論文  参考訳（メタデータ） (2022-07-14T14:25:19Z)
• Learning Target Candidate Association to Keep Track of What Not to Track [100.80610986625693]
  目標を追尾し続けるために、逸脱物を追跡することを提案します。 視覚的トラッキングにおいて, トラクタオブジェクト間の接地トルース対応を欠く問題に対処するために, 部分アノテーションと自己監督を組み合わせたトレーニング戦略を提案する。 我々のトラッカーは6つのベンチマークで新しい最先端のベンチマークを設定し、AUCスコアはLaSOTで67.2%、OxUvA長期データセットで+6.1%向上した。
  論文  参考訳（メタデータ） (2021-03-30T17:58:02Z)

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。