近日，实验室2021级博士生秦者云一篇论文“Coarse-to-Fine Video Instance Segmentation with Factorized Conditional Appearance Flows”（作者：秦者云，卢宪凯，聂秀山，刘东方，尹义龙，王文冠）被IEEE/CAA Journal of Automatica Sinica（JAS）录用。JAS（接受率：10%）是国际人工智能领域顶尖和权威学术期刊之一，中科院一区TOP期刊，SCI IF: 7.847。

本文使用新的生成模型，自动学习目标和背景外观的有效表示，以检测、分割和跟踪视频序列中的每个实例。与当前基于检测的判别性跟踪解决方案不同，所提出的分层结构嵌入学习可以通过归一化流在时空-空间上预测更多具有准确边界细节的高质量掩码。本文将实例推理过程表述为一种跨时间和空间的分层时空嵌入学习。给定视频片段，该方法首先用高斯分布粗定位属于特定实例的像素，然后建立一个新的混合分布，通过由粗到细的方式融合分层外观嵌入信息来促进实例边界。对于混合分布，我们利用因子分解条件归一化的流模式估计分布参数，以提高分割性能。