标题：经典卡尔曼滤波器改进视频版“分割一切”，网友：好优雅的方法

Meta的视频版“分割一切”——Segment Anything Model 2（SAM 2）再度走红。这次，一个全华人团队仅用经典方法就显著提升了其性能。

改进后的SAM 2名为SAMURAI（武士），由华盛顿大学全华人研究团队提出。这项工作解决了SAM 2在记忆管理上的局限性，尤其是在快速移动或被遮挡时能持续跟踪目标。

改进的关键在于使用了经典的卡尔曼滤波器（Kalman Filter，KF），无需重新训练，即可实现实时运行。这一方法在多个复杂场景中表现出色，包括《1917》电影片段、《只狼：影逝二度》和《黑神话：悟空》中的打斗场景、橄榄球比赛及女团舞蹈。

SAMURAI的核心技术包括运动建模和运动感知记忆选择。运动建模采用卡尔曼滤波器预测目标运动，结合运动分数和掩膜亲和分数进行掩膜选择。运动感知记忆选择则通过动态评分系统筛选记忆库中的相关帧，避免引入低质量特征。

实验结果显示，SAMURAI在多个基准测试中表现优异，超越了SAM 2，并与部分有监督方法相当。这项工作的研究团队由华盛顿大学电气与计算机工程系的博士生组成，导师是Jenq-Neng Hwang教授。

更多内容可访问项目地址：https://yangchris11.github.io/samurai/ 论文地址：https://arxiv.org/abs/2411.11922 参考链接： [1] https://x.com/EHuanglu/status/1860090091269685282 [2] https://x.com/bilawalsidhu/status/1860348056916369881