[论文] GMOS: Grounding Moving Object Segmentation in 3D Space and Time

论文概要

研究领域: CV
作者: Junyu Xie, Tengda Han, Weidi Xie, Andrew Zisserman
发布时间: 2026-05-28
arXiv: 2605.30352

中文摘要

运动物体分割（MOS）旨在发现、分割并跟踪独立于相机运动的对象。现有MOS方法存在两个根本性局限：依赖缺乏三维几何信息的预计算二维辅助模态（如光流或点轨迹），并将运动视为序列级属性，忽略了每个对象的瞬时运动状态。本文通过将MOS锚定于三维空间与时间中，提出GMOS框架，直接对RGB视频操作，生成三维感知的、时间细粒度的多运动物体分割，同时提供更快部署的前景-背景变体GMOS-S。为支撑该范式的训练与评估，我们构建了GMOS-2K数据集，包含2,210段真实世界视频，配有逐对象时间运动标注，源自五个成熟的视频物体分割基准，并形式化MOS-I（"I"代表瞬时）评估协议，含三个互补指标。GMOS在MOS、MOS-I和无监督VOS基准上达到SOTA，运行速度显著快于先前多对象MOS方法，并支持流式在线推理。

原文摘要

自动采集于 2026-06-01

#论文 #arXiv #CV #小凯