STCN

收录理由

STCN 是一套面向半监督视频目标分割的研究代码库。它的用法很直观：在第一帧中框出目标物体，网络便会将这一分割结果延续到整个视频片段。在单张消费级 GPU 上，它能以 20+ FPS 的速度运行，若启用混合精度还能更快，同时在 DAVIS 和 YouTubeVOS 上仍保持领先的精度。仓库中提供了预训练模型、推理脚本以及训练代码，后者可在两张 11GB 显存的 GPU 上复现论文中的数值，因此它并非仅供阅读的论文附属品，而是真正可用的工具。对于需要在帧间持续追踪特定对象的团队——无论是视频剪辑、安防监控还是内容分析——这种基于记忆覆盖的设计是一个不错的起点，而交互式图形界面也让用户能轻松地在自己的素材上试验模型。