$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

딥러닝 기반 동영상 객체 분할 기술 동향

초록

동영상 프레임 내 객체 영역들을 배경으로부터 분할하는 기술인 동영상 객체 분할(video object segmentation)은 다양한 컴퓨터 비전 분야에 활용 가능한 연구 분야이다. 최근, 동영상 객체 분할과 관련된 연구 내용으로 CVPR, ICCV, ECCV의 컴퓨터 비전 최우수 학회에 매년 20편 가까이 발표될 정도로 많은 관심을 받고 있다. 동영상 객체 분할은 사용자가 제공하는 정보에 따라 비지도(unsupervised) 동영상 객체 분할, 준지도(semi-supervised) 동영상 객체 분할, 인터렉티브(interactive) 동영상 객체 분할의 세 카테고리로 분류할 수 있다. 본 고에서는 최근 연구가 활발하게 수행되고 있는 비지도 동영상 객체 분할과 준지도 동영상 객체 분할 연구의 최신 동향에 대해 소개하고자 한다.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
동영상 객체 분할
동영상 객체 분할은 무엇인가?
동영상 프레임 내 객체 영역들을 배경으로부터 분할하는 기술

동영상 객체 분할은 동영상 프레임 내 객체 영역들을 배경으로부터 분할하는 기술을 의미한다. 동영상 객체 분할 기술은 동영상 요약, 동영상 검색, 행위 인식, 객체 클래스 학습, 3차원 객체 모델링 등의 많은 컴퓨터 비전 분야에 적용 가능한 중요한 연구 분야이다.

동영상 객체 분할 기술
동영상 객체 분할 기술은 어떠한 분야에 적용 가능한가?
동영상 요약, 동영상 검색, 행위 인식, 객체 클래스 학습, 3차원 객체 모델링 등의 많은 컴퓨터 비전 분야

동영상 객체 분할은 동영상 프레임 내 객체 영역들을 배경으로부터 분할하는 기술을 의미한다. 동영상 객체 분할 기술은 동영상 요약, 동영상 검색, 행위 인식, 객체 클래스 학습, 3차원 객체 모델링 등의 많은 컴퓨터 비전 분야에 적용 가능한 중요한 연구 분야이다. 동영상 객체 분할은 사용자의 관여정도에 따라 크게 비지도 동영상 객체 분할, 준지도 동영상 객체 분할, 인터렉티브 동영상 객체 분할 세 카테고리로 분류할 수 있다.

비지도 동영상 객체 분할, 준지도 동영상 객체 분할, 인터렉티브 동영상 객체 분할
비지도 동영상 객체 분할, 준지도 동영상 객체 분할, 인터렉티브 동영상 객체 분할의 특징은 무엇인가?
비지도 동영상 객체 분할은 객체에 대한 어떠한 사용자 주석(user annotation) 정보 없이 배경으로부터 객체를 분할하는 것을 목표로 한다. 준지도 동영상 객체 분할은 첫 프레임에서 사용자가 제공한 타겟 객체에 대한 정확한 분할 영역을 이용하여 이 후 프레임에서의 타겟 객체 분할을 수행한다. 인터렉티브 동영상 객체 분할은 사용자와의 상호작용을 통해 객체 분할 결과를 개선한다. 사용자가 개선 영역에 대한 정보를 반복적으로 제공해야 되기 때문에, 인터렉티브 동영상 객체 분할에서는 빠르게 제공 가능한 점(point click)이나 scribble 등의 형태를 갖는 사용자 주석 정보를 이용하여 동영상 객체 분할을 수행한다.

동영상 객체 분할은 사용자의 관여정도에 따라 크게 비지도 동영상 객체 분할, 준지도 동영상 객체 분할, 인터렉티브 동영상 객체 분할 세 카테고리로 분류할 수 있다. 비지도 동영상 객체 분할은 객체에 대한 어떠한 사용자 주석(user annotation) 정보 없이 배경으로부터 객체를 분할하는 것을 목표로 한다. 준지도 동영상 객체 분할은 첫 프레임에서 사용자가 제공한 타겟 객체에 대한 정확한 분할 영역을 이용하여 이 후 프레임에서의 타겟 객체 분할을 수행한다. 인터렉티브 동영상 객체 분할은 사용자와의 상호작용을 통해 객체 분할 결과를 개선한다. 사용자가 개선 영역에 대한 정보를 반복적으로 제공해야 되기 때문에, 인터렉티브 동영상 객체 분할에서는 빠르게 제공 가능한 점(point click)이나 scribble 등의 형태를 갖는 사용자 주석 정보를 이용하여 동영상 객체 분할을 수행한다. <그림 1>은 지도(supervision) 수준에 따라 분류된 동영상 객체 분할 방식을 도시한다.

질의응답 정보가 도움이 되었나요?

참고문헌 (22)

  1. 1. A. papazoglou and V. Ferrari, "Fast Object Segmentation in Unconstrained Video," ICCV, 2013. 
  2. 2. Y. J. Koh and C.-S. Kim, "Primary Object Segmentation in Videos Based on Region Augmentation and Reduction," CVPR, 2017. 
  3. 3. A. Faktor and M. Irani, "Video Segmentation by Non-Local Consensus voting," BMVC, 2014. 
  4. 4. S. Jain, B. Xiong, and K. Grauman, "FusionSeg: Learning to combine motion and appearance for fully automatic segmentation of generic objects in videos," CVPR, 2017 
  5. 5. H. Li, G. Chen, G. Li, and Y. Yu, "Motion Guided Attention for Video Salient Object Detection," ICCV, 2019. 
  6. 6. X. Lu, W. Wang, C. Ma, J. Shen, L. Shao, and F. Porikli, "See More, Know More: Unsupervised Video Object Segmentation with Co-Attention Siamese Networks," CVPR, 2019. 
  7. 7. Z. Yang, Q. Wang, L. Bertinetto, W. Hu, S. Bai, and P. H.S. Torr, "Anchor Diffusion for Unsupervised Video Object Segmentation," ICCV, 2019. 
  8. 8. W. Wang, H. Song, S. Zhao, J. Shen, S. Zhao, S. C. H. Hoi, and H. Ling, "Learning Unsupervised Video Object Segmentation through Visual Attention," CVPR, 2019. 
  9. 9. S. Caelles, K.K. Maninis, J. Pont-Tuset, L. Leal-Taixe, D. Cremers, and L. Van Gool, "One-Shot Video Object Segmentation," CVPR, 2017. 
  10. 10. W.-D. Jang and C.-S Kim, "Online Video Object Segmentation via Convolutional Trident Network," CVPR, 2017. 
  11. 11. P. Hu, G. Wang, X. Kong, J. Kuen, and T.-P. Tan "Motion-Guided Cascaded Refinement Network for Video Object Segmentation," CVPR, 2018. 
  12. 12. S. W. Oh, J.-Y. Lee, K. Sunkavalli, S. J. Kim, "RGMP: Fast video object segmentation by reference-guided mask propagation," CVPR, 2018. 
  13. 13. H. Lin, X. Qi, and J. Jia, "AGSS-VOS: Attention Guided Single-Shot Video Object Segmentation," ICCV, 2019. 
  14. 14. Y. Chen, J. Pong-Tuset, A. Montes, and L. Van Gool, "PML: Blazingly Fast Video Object Segmentation with Pixel-Wise Metric Learning," CVPR, 2018. 
  15. 15. P. Voigtlaender, Y. Chai, F. Schroff, H. Adam, B. Leibe, and L.-C. Chen, "FEELVOS: Fast End-To-End Embedding Learning for Video Object Segmentation," CVPR, 2019. 
  16. 16. S. W. Oh, J.-Y. Lee, N. Xu, S. J. Lim, "Video Object Segmentation using Space-Time Memory Networks," ICCV, 2019. 
  17. 17. X. Wang, R. Girshick, A. Gupta, and K. He, "Non-local Neural Networks", CVPR, 2018. 
  18. 18. J. Luiten, P. Voigtlaender, and B. Leibe, "PReMVOS: Proposal-generation, Refinement and Merging for Video Object Segmentation," ACCV, 2018. 
  19. 19. S. Xu, D. Liu, L. Bao, W. Liu, and P. Zhou, "MHP-VOS: Multiple Hypotheses Propagation for Video Object Segmentation," CVPR, 2019. 
  20. 20. N. Xu, L. Yang, Y. Fan, J. Yang, D. Yue, Y. Liang, B. Price, S. Cohen, and T. Huang, "YouTube-VOS: Sequence-to-Sequence Video Object Segmentation," ECCV, 2018. 
  21. 21. C. Ventura, M. Bellver, A. Girbau, A. Salvador, "RVOS: End-to-End Recurrent Network for Video Object Segmentation," CVPR, 2019. 
  22. 22. T. Zhou, S. Wang, Y. Zhou, Y. Yao, J. Li, L. Shao, "Motion-Attentive Transition for Zero-Shot Video Object Segmentation, AAAI 2020," AAAI, 2020. 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

DOI 인용 스타일

"" 핵심어 질의응답