DYAN：一种基于动力学原子的视频预测网络
计算机视觉与模式识别
2018-09-18 v2
摘要
在进行实时关键决策时，预测未来的能力至关重要，它为理解动态自然场景提供了有价值的信息，并能帮助无监督视频表示学习。最先进的视频预测基于 LSTM 递归网络和/或生成对抗网络学习。这些是复杂的架构，需要学习大量参数，可能难以训练，运行缓慢，并且可能产生模糊的预测。在本文中，我们引入了 DYAN，一种参数极少且易于训练的新颖网络，它能产生准确、高质量的帧预测，速度显著快于以往方法。DYAN 的优良特性归功于其编码器和解码器，它们是根据系统辨识理论的概念设计的，并利用了数据的基于动力学不变量。使用多个标准视频数据集进行的大量实验表明，DYAN 在生成帧方面具有优越性，并且在不同领域间具有良好的泛化能力。
引用
@article{arxiv.1803.07201,
title = {DYAN: A Dynamical Atoms-Based Network for Video Prediction},
author = {Wenqian Liu and Abhishek Sharma and Octavia Camps and Mario Sznaier},
journal= {arXiv preprint arXiv:1803.07201},
year = {2018}
}