跳到正文
arXiv · 机器人与计算机视觉· Minh Tran, Winston Bounsavy, Ngan Le·· 11 小时前精选AI 评分82

REVEAL:基于语言与光流引导的视频非遮挡内容重建方法

REVEAL: Reconstructing Video Amodal Content via Language and Flow Guidance

AI 导读

论文提出 REVEAL 统一扩散框架,利用用户文本查询驱动开放词汇分割获取可见掩码,并通过光流将前帧可见内容传播至遮挡区域以提供形状先验,同时用文本约束纹理重建以保持视觉连贯性。作者贡献了 LAVAT 基准数据集用于评估重度遮挡下的视频非遮挡完成任务。实验表明该方法在现有基准上达到最先进性能且保持长序列时间一致性。材料为 arXiv 预印本,已接受 TMLR 发表。

推荐理由

提出 REVEAL 框架,结合光流与文本引导解决视频非遮挡重建难题,并开源 LAVAT 基准。

来源:arXiv · 机器人与计算机视觉 · arxiv.org