深度视频修复

视频修复旨在用视频中合理的内容填充时空孔洞。尽管深度神经网络在图像修复方面取得了巨大进展，但由于额外的时间维度，将这些方法扩展到视频领域具有挑战性。本工作中，我们提出一种用于快速视频修复的新型深度网络架构。基于图像编码器-解码器模型构建，我们的框架旨在从相邻帧收集并精炼信息，并合成仍未知的区域。同时，通过循环反馈和时间记忆模块强制输出在时间上一致。与最先进的图像修复算法相比，我们的方法生成的视频在语义上更正确且时间上更平滑。与先前依赖耗时优化的视频补全方法不同，我们的方法以近实时运行，同时生成具有竞争力的视频结果。最后，我们将我们的框架应用于视频重定向任务，并获得了视觉上令人愉悦的结果。