从单张室外图像端到端合成延时视频

延时视频通常包含视觉上引人入胜的内容，但往往难以制作且成本高昂。本文中，我们提出一种利用深度神经网络从单张室外图像合成延时视频的端到端方案。我们的核心思想是基于现有的延时视频与图像序列数据集训练一个条件生成对抗网络。我们提出一种多帧联合条件生成框架，以有效学习室外场景光照变化与一天中时间的相关性。我们进一步提出一种多域训练方案，用于从两个具有不同分布且缺失时间戳标签的数据集中鲁棒地训练我们的生成模型。相较于其他延时视频合成算法，我们的方法以时间戳作为控制变量，且不需要参考视频来引导最终输出的合成。我们进行消融实验以验证算法，并从定性和定量上与state-of-the-art技术进行比较。