PVUW 2025 Challenge Rapport: Vooruitgang in Pixel-niveau Begrip van Complexe Video's in de Praktijk

PVUW 2025 Challenge Report: Advances in Pixel-level Understanding of Complex Videos in the Wild

April 15, 2025

Auteurs: Henghui Ding, Chang Liu, Nikhila Ravi, Shuting He, Yunchao Wei, Song Bai, Philip Torr, Kehuan Song, Xinglin Xie, Kexin Zhang, Licheng Jiao, Lingling Li, Shuyuan Yang, Xuqiang Cao, Linnan Zhao, Jiaxuan Zhao, Fang Liu, Mengjiao Wang, Junpei Zhang, Xu Liu, Yuting Yang, Mengru Ma, Hao Fang, Runmin Cong, Xiankai Lu, Zhiyang Che, Wei Zhan, Tianming Liang, Haichao Jiang, Wei-Shi Zheng, Jian-Fang Hu, Haobo Yuan, Xiangtai Li, Tao Zhang, Lu Qi, Ming-Hsuan Yang

cs.AI

Samenvatting

Dit rapport biedt een uitgebreid overzicht van de 4e Pixel-level Video Understanding in the Wild (PVUW) Challenge, gehouden in samenwerking met CVPR 2025. Het vat de resultaten van de challenge, de gebruikte methodologieën en toekomstige onderzoeksrichtingen samen. De challenge omvat twee tracks: MOSE, die zich richt op complexe scène-video-objectsegmentatie, en MeViS, die gericht is op beweging-gestuurde, taalgebaseerde videosegmentatie. Beide tracks introduceren nieuwe, uitdagendere datasets die beter aansluiten bij realistische scenario's. Door gedetailleerde evaluatie en analyse biedt de challenge waardevolle inzichten in de huidige stand van de techniek en opkomende trends in complexe videosegmentatie. Meer informatie is te vinden op de workshopwebsite: https://pvuw.github.io/.

English

This report provides a comprehensive overview of the 4th Pixel-level Video Understanding in the Wild (PVUW) Challenge, held in conjunction with CVPR 2025. It summarizes the challenge outcomes, participating methodologies, and future research directions. The challenge features two tracks: MOSE, which focuses on complex scene video object segmentation, and MeViS, which targets motion-guided, language-based video segmentation. Both tracks introduce new, more challenging datasets designed to better reflect real-world scenarios. Through detailed evaluation and analysis, the challenge offers valuable insights into the current state-of-the-art and emerging trends in complex video segmentation. More information can be found on the workshop website: https://pvuw.github.io/.