FaVOS基准：低时序可见度视频对象分割评测
Get the story
2026年10月5日，arXiv计算机视觉论文提出FaVOS基准，用于评估目标在长视频中仅间歇出现的低时间可见度场景下的视频目标分割（VOS）方法。研究者指出，在该场景下标准J&F指标会把评测退化为“目标缺席分类”，空预测在目标缺席帧上获得高奖励，导致一个简单的空掩码预测器也能胜过SAM 3等强模型。为此论文提出Volumetric J&F，将掩码序列作为时空体评估，削弱目标缺席奖励的主导地位，同时保留对分割质量与时间结构的敏感度。目前进展为论文提出一手报道，尚未见后续验证或第三方复现。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computer Vision预测空掩码为何胜过 SAM 3：重新审视视频目标分割评测
研究者提出 FaVOS 基准，用于评估目标在长视频中仅间歇出现的低时间可见度场景下的视频目标分割（VOS）方法。在该场景下，标准 J&F 指标会把评测退化为“目标缺席分类”，空预测在目标缺席帧上获得高奖励，导致一个简单的空掩码预测器也能胜过 SAM 3 等强模型。为此论文提出 Volumetric J&F，将掩码序列作为时空体评估，削弱目标缺席奖励的主导地位，同时保留对分割质量与时间结构的敏感度。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.