動画セグメンテーションは、各フレームにおいて対象オブジェクトの占めるピクセルを抽出するタスクである。
動画セグメンテーションは、静止画像セグメンテーションと比較して、よりデータ作成や計算のコストがかかる。
本研究では、動画において、対象オブジェクトが背景に対して一様な相対速度を持つ場合、単純なフレーム間ピクセル差分が、セグメンテーションに重要な情報を持つことに注目する。
したがって、この情報を画像セグメンテーション法に付加することで、計算コストを抑えながら性能向上が可能であると予想できる。
本研究では、このことを実験的に検証する。
画像セグメンテーション法として、畳み込みニューラルネットワークからなる U-net を用いる。
1枚の静止画からセグメンテーションを行う場合と、フレーム間差分画像を同時に与える場合とで、性能の比較を行う。