CoVOS:无需解码!利用压缩视频比特流的运动矢量和残差进行半监督的VOS加速(CVPR 2022)...

本文介绍了CVPR 2022上的论文CoVOS,该方法利用压缩视频的运动矢量和残差,通过嵌入式加速框架提升视频实例分割的速度,适用于网络压缩视频。通过运动向量传播和残差校正模块,可以在不大幅牺牲精度的情况下提高现有VOS模型的推理速度。
摘要由CSDN通过智能技术生成

关注公众号,发现CV技术之美

本篇分享 CVPR 2022 论文『Accelerating Video Object Segmentation with Compressed Video』,探讨了如何利用视频压缩来加速视频实例分割(Video Object Segmentation,VOS),以适用于网络中压缩格式视频的高速分割。

详细信息如下:

b23df9247dd0c9746d506e05f9c48c51.png

  • 论文链接:https://arxiv.org/pdf/2107.12192.pdf

  • 项目链接:https://github.com/kai422/CoVOS

      01      

前言

目前普通的方法基本上都是对普通视频中逐帧对每个实例进行解码,计算复杂度较高。

为了解决这个问题,作者提出了一种嵌入式加速框架,可以直接应用于现有的VOS模型上,具体的,本文先将视频按现有压缩方法(比如HEVC)压缩为P帧、I帧、B帧,再提出一种基于运动向量( motion vector )的方法,基于双向传播以及多帧连接实现mask

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值