论文阅读KMN：Kernelized Memory Network for Video Object Segmentation

这篇论文发表在ECCV2020上面，是对于STM的改进。STM存在一个缺点，就是在做query和memory的key之间的matching时，将所有的情况都建立了联系，这种处理是一种non-local的方式，而VOS问题大多数情况下是一种local的情况。所以作者提出了一种Kernelized Memory Network（KMN）来解决这一问题；此外作者还采用了一种Hide-and-Seek策略（17年ICCV一篇若监督的论文），在预训练时人为地对图像的某些区域进行遮挡，以提升物体遮挡识别的鲁棒性。

上图中上半部分是传统的STM，他只是用query去匹配memory，这种non-local的匹配方式很可能造成query中多个目标匹配memory中同一个目标的问题。由于帧之间的幅度很小，所以显然我们要追踪的目标在上一帧mask附近，而不会离他太远。因此VOS是一个local的问题。在作者加入了一个Gaussian Kernal的约束后，就变成了一种适用于VOS的local的solution。

如上图，整个流程结构与STM是完全一样的，只有紫色的Kernalized Memory Read部分有所改动。

首先是STM中的流程&