Jingyang.Zhang的博客

文献来源 Gao Z, Cheong L F, Wang Y X. Block-sparse RPCA for salient motion detection[J]. IEEE transactions on pattern analysis and machine intelligence, 2014, 36(10): 1975-1987.传统的RPCA问题框架中，观测到的视频序列被分解成low

MotivationTemplate Matching-based Methods (e.g. One-shot learning for video object segmentation 没有使用时序信息)：考虑模板，比如视频中的第一帧中的mask，然后对后续帧进行匹配。但是这些方法受限于CNN分割模型的性能，不能处理具有大尺度形变和视角变化的物体。Temporal Propagat...

Aim实现一种视频分割的工作流：在视频的任意一帧上进行交互得到当前帧的修正结果，并传播到剩余帧。Contribution两个模块：Interaction Network 和 Propagation Network。– Interaction Network： 接受用户的交互 (如涂抹) 来分割前景物体。– Propagation Network：将交互的帧上的分割结果，传播到其他相...

文章链接：https://arxiv.org/abs/1712.04109. 这篇文章是CVPR2018的一篇Oral presentation，对于做动作识别的同学们还是挺有意思的。其中主要的闪光点：Motion hallucination 运动错觉，个人认为可能是推动领域发展的另一个Point。问题的提出在对于单帧图像（即所谓static image）是不是只能用到它的图像appe...

之前我在博客中有写到FusionSeg问题，后面对于这样的构架稍微深入的思考。在这里分享给大家，也算是给自己做的一个笔记吧。为什么要采用这样的网络？ 众所周知的CNN网络对于图像的空间域的处理具有很好的效果，在单张图像的分类分割目标检测等问题上表现出了很好的效果。很多人或许有和我之前一样的疑问，既然单张图像上做的效果已经达到state-of-art的效果，为什么还要联系时间域上的信息呢？直接将

文章来源 关键点采用two-stream的全卷积神经网络结构，结合视频中的形态信息和运动信息，实现pixel-level的分割。考虑到缺少大量视频数据库中pixel-level的分割标记，因此采用ImageNet图像分割数据库结合视频数据库中的弱标记（bounding box），生成视频序列的pixel-level的分割标记。如何使用视频序列中的运动信息？在propagation和交互式分割技术

文章来源： Zhou X, Yang C, Yu W. Moving object detection by detecting contiguous outliers in the low-rank representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(3): 597-

文献来源：Liu X, Zhao G, Yao J, et al. Background subtraction based on low-rank and structured sparse decomposition[J]. IEEE Transactions on Image Processing, 2015, 24(8): 2502-2514.透过现象看本质本文其实就是在一点点细微的地方对于

文献来源： Xu J, Ithapu V K, Mukherjee L, et al. GOSUS: Grassmannian online subspace updates with structured-sparsity[C]//Proceedings of the IEEE International Conference on Computer Vision. 2013: 3376-3383

最近稍微看了一些关于 semi-supervised video object segmentation (VOS) 的工作，其中注意到有几个算法具有明显的共同点——个人将其归结为 Matching-based Methods。这篇博客简单地总结和整理这些方法的最主要的 contribution，希望对各位的研究也有帮助。什么叫 Matching-based Methods？要解释这个概念得先...