3rd Place Solution for MOSE Track in CVPR 2024 PVUW workshop: Complex Video Object Segmentation
Xidian University(西安电子科技大学)
本文基于Cutie模型研究目标记忆、记忆帧数和输入分辨率对视频目标分割的影响,在MOSE数据集上以0.8139的J&F分数获得CVPR 2024 PVUW研讨会第三名。
2024-06-06 cs.AI cs.CV
PVUW 2024 Challenge on Complex Video Understanding: Methods and Results
本文介绍了 CVPR 2024 野外像素级视频理解挑战赛(PVUW),新增基于 MOSE 和 MeViS 数据集的两个复杂视频分割赛道,并提供更具挑战性的数据以促进复杂环境下的像素级视频理解研究。
2024-06-24 cs.CV
OAMVOS:2nd Report for 5th PVUW MOSE Track
Pengcheng Laboratory(鹏城实验室);Guangzhou Hengyan Technology(广州恒研科技);University of California at Merced(加州大学默塞德分校)
本文提出改进DAM4SAM的遮挡与重现感知扩展,通过增强内存控制提升小目标跟踪鲁棒性,尤其在遮挡和重现场景中表现更优。
2026-04-20 cs.AI cs.CV
PVUW 2025 Challenge Report: Advances in Pixel-level Understanding of Complex Videos in the Wild
Institute of Big Data, Fudan University(复旦大学大数据研究院)
本报告总结PVUW 2025挑战赛(与CVPR 2025联办),涵盖MOSE和MeViS两个赛道,引入更真实的新数据集,评估并分析复杂视频分割的最新技术与趋势。
2025-04-21 cs.CV
Report of the 5th PVUW Challenge: Towards More Diverse Modalities in Pixel-Level Understanding
The Institute of Big Data, Fudan University(复旦大学大数据研究院)
报告总结了2026年PVUW挑战赛的目标、数据集及顶级方法,通过三个专业赛道评估了在高约束条件下最先进模型的表现,展示了社区最新技术进展和未来研究方向。
2026-04-28 cs.CV
The 1st Winner for 5th PVUW MeViS-Text Challenge: Strong MLLMs Meet SAM3 for Referring Video Object Segmentation
Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Shenzhen Loop Area Institute(深圳河套学院)
本文提出一种无需微调的管道,结合强多模态大语言模型与SAM3,实现视频对象分割,取得PVUW 2026 MeViS-Text测试集第一名,得分为0.909064。
2026-04-01 cs.CV
1st Place Solution for MeViS Track in CVPR 2024 PVUW Workshop: Motion Expression guided Video Segmentation
University of Warwick(华威大学);Southern University of Science and Technology(南方科技大学);University of Sheffield(谢菲尔德大学)
针对 MeViS 运动表达引导视频分割任务,本文提出基于静态主导数据与帧采样的解决方案,在 CVPR 2024 PVUW 挑战赛中以 0.5447 的 J&F 分数获得第一名。
2024-06-11 cs.CV
ReferDINO-Plus: 2nd Solution for 4th PVUW MeViS Challenge at CVPR 2025
Sun Yat-sen University(中山大学)
本文提出ReferDINO-Plus方案,通过结合SAM2的优势并引入条件掩码融合策略,有效平衡单目标与多目标场景性能,在CVPR 2025 MeViS挑战赛中取得第二名。
2025-05-29 cs.CV
The 1st Solution for 4th PVUW MeViS Challenge: Unleashing the Potential of Large Multimodal Models for Referring Video Segmentation
Shandong University(山东大学)
本文提出一种基于Sa2VA的推理优化方法,通过均匀采样视频帧并融合多个专家模型结果,在MeViS测试集上取得61.98% J&F,获CVPR 2025第四届PVUW挑战赛MeViS赛道第一名。
2025-04-07 cs.CV
2nd Place Solution for MeViS Track in CVPR 2024 PVUW Workshop: Motion Expression guided Video Segmentation
Institute of Automation, Chinese Academy of Sciences (CASIA)(中国科学院自动化研究所);School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)(中国科学院大学人工智能学院);Beijing Academy of Artificial Intelligence (BAAI)(北京人工智能研究院);University of Science and Technology Beijing (USTB)(北京科技大学)
针对运动表达引导的视频分割任务,团队基于RVOS方法引入视频实例分割掩码信息做时序增强、用SAM做空间细化,在CVPR 2024 PVUW挑战赛MeViS赛道取得第二名。
2024-06-20 cs.CV
AgentRVOS for MeViS-Text Track of 5th PVUW Challenge: 3rd Method
Pengcheng Laboratory(鹏城实验室);Wuhan Textile University(武汉纺织大学);Yixiang Innovation Technology (Shenzhen)(曦昂创新技术(深圳))
本文提出基于Sa2VA的Ref-VOS管道,通过明确的agent角色实现密集语义理解与时间搜索,核心方法包括agent循环决策与多agent协作,主要贡献是提升视频跟踪的准确性和鲁棒性。
2026-04-20 cs.CV
SAM3Dual: A 3rd Place Solution to the MOSEv2 Track, 8th LSVOS Challenge
Chung-Ang University(中央大学)
该研究提出SAM3Dual作为第8届LSVOS挑战赛MOSEv2赛道第3名方案,通过无训练推理扩展SAM 3,划分时序内存分支并融合,获J&F分数64.37,实现高效长期VOS性能。
2026-08-25 cs.CV
Competitive Memory Readout for Robust Video Object Segmentation: 2nd Place Technical Report for the MOSEv2 Track of the 8th LSVOS Challenge
School of Computer Science, University of Sheffield(谢菲尔德大学计算机学院);Department of Automation, Tsinghua University(清华大学自动化系)
本研究针对第8届LSVOS挑战赛MOSEv2赛道提出基于SAM~3的改进方法,通过竞争性记忆读出机制提升鲁棒视频目标分割性能,获该赛道第2名。
2026-08-25 cs.CV
Enriched Feature Representation and Motion Prediction Module for MOSEv2 Track of 7th LSVOS Challenge: 3rd Place Solution
Computer Vision Lab., Department of Computer Science, Hanyang University(计算机视觉实验室,计算机科学系,翰林大学)
本文提出SCOPE框架,通过将SAM2的ViT编码器替换Cutie编码器并引入运动预测模块,结合集成策略,在第7届LSVOS挑战赛MOSEv2赛道取得第三名。
2025-09-19 cs.CV
The 1st Solution for MOSEv2 Challenge 2025: Long-term and Concept-aware Video Segmentation via SeC
Tsinghua University(清华大学);University of Oxford(牛津大学);University of Warwick(华威大学);City University of Macau(澳门城市大学)
本文提出基于增强 SAM-2 框架 SeC 的解决方案,利用长期记忆与概念感知记忆应对半监督视频目标分割中的遮挡与干扰问题,在 LSVOS 挑战赛 MOSEv2 赛道以 39.89% JF 分数获得第一名。
2025-09-23 cs.CV
VOS-Agent: The 1st Place Solution for the 8th LSVOS Challenge (MOSEv2 Track)
Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Nanyang Technological University(南洋理工大学);Shenzhen Loop Area Institute(深圳河套学院)
针对复杂视频目标分割中微小目标、语义主导目标的稳健传播难题,本文提出VOS-Agent协作框架,以SAM3为共享密集分割模块,根据目标特征激活专用智能体,在ECCV 2026第8届LSVOS挑战赛MOSEv2赛道获第一名,J&JF指标达69.82%。
2026-08-14 cs.CV
The 1st Solution for MOSEv1 Challenge on LSVOS 2025: CGFSeg
Nanjing University of Science and Technology(南京理工大学)
针对复杂真实场景下视频目标分割的挑战,提出置信度引导融合分割方法CGFSeg,通过冻结SAM2特征提取器微调其余组件、引入像素检查策略融合多模型优势,在LSVOS 2025 MOSEv1挑战赛中获第一名。
2025-09-30 cs.CV
MOSEv2: A More Challenging Dataset for Video Object Segmentation in Complex Scenes
Fudan University(复旦大学);ByteDance Inc(字节跳动公司);Shanghai University of Finance and Economics(上海财经大学);Nanyang Technological University(南洋理工大学);University of Oxford(牛津大学)
本文提出MOSEv2数据集,通过引入更复杂的真实世界场景(如恶劣天气、低光照、严重遮挡、伪装对象等)对20种VOS方法和9种跟踪方法进行基准测试,揭示现有方法性能显著下降,并给出实用改进技巧。
2025-09-22 cs.CV
MOSE: Boosting Vision-based Roadside 3D Object Detection with Scene Cues
Hikvision Research Institute(海康威视研究院)
本文提出MOSE框架,通过场景线索库聚合多帧帧不变场景特征,并结合transformer解码器与3D位置嵌入提升路侧单目3D检测性能。
2024-04-08 cs.CV
SAMSON: 3rd Place Solution of LSVOS 2025 VOS Challenge
Truesight Research(Truesight研究机构);School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen(科学与工程学院,香港中文大学(深圳))
SAMSON 融合先进 VOS 模型优势,引入长期记忆模块处理目标重现与相似实例,并以 SAM2Long 后处理提升长视频分割稳定性,在 ICCV 2025 MOSE 赛道获第三名。
2025-09-22 cs.CV
Pseudo-Label Enhanced Cascaded Framework: 2nd Technical Report for LSVOS 2025 VOS Track
TEX AI, Transsion Holdings(TEX AI,Transsion控股公司);ShanghaiTech University(上海科技大学)
本文提出基于SAM2的伪标签增强级联框架,结合SAM2Long与SeC模型动态融合,在LSVOS 2025 VOS赛道MOSE测试集上取得0.8616 J&F分数,获第二名。
2025-09-18 cs.CV
Mixture-of-Shape-Experts (MoSE): End-to-End Shape Dictionary Framework to Prompt SAM for Generalizable Medical Segmentation
Yale University(耶鲁大学);Massachusetts General Hospital(麻省总医院);Harvard Medical School(哈佛医学院)
针对医学图像分割单域泛化问题,提出MoSE框架,将MoE训练与字典学习结合,以形状专家动态生成形状图提示SAM,端到端训练,在多数据集上验证了有效性。
2025-04-13 cs.CV cs.LG cs.MM