用于零样本视频生成的条件 MoCoGAN
计算机视觉与模式识别
2021-09-14 v1
摘要
我们提出了一种用于零样本视频生成的条件生成对抗网络（GAN）模型。在本研究中，我们探索了零样本条件生成设定。换言之，我们从具有缺失类别的训练样本中生成未见过的视频。该任务是条件数据生成的扩展。核心思想是在 GAN 的潜空间中学习解耦表示。为实现这一目标，我们的模型基于运动与内容分解的 GAN 以及用于图像生成的条件 GAN。我们构建该模型以寻找更好的解耦表示并生成高质量的视频。我们通过在 Weizmann 动作数据库和 MUG 面部表情数据库上的实验证明了我们所提模型的有效性。
引用
@article{arxiv.2109.05864,
title = {Conditional MoCoGAN for Zero-Shot Video Generation},
author = {Shun Kimura and Kazuhiko Kawamoto},
journal= {arXiv preprint arXiv:2109.05864},
year = {2021}
}
备注
5 pages, 4 figure