用于长期视频预测的层次化模型
计算机视觉与模式识别
2017-07-04 v2
摘要
视频预测在过去几年中一直是活跃的研究课题。许多算法专注于像素级预测，其结果在几帧内就会模糊和崩解。在本项目中，我们采用层次化方法进行长期视频预测。我们旨在首先估计输入帧中的高层结构，然后预测该结构在未来如何演化。最后，我们使用图像类比网络从预测的结构中恢复出逼真的图像。我们的方法主要借鉴了Villegas等人的工作。该方法由LSTM和基于类比的卷积自编码器网络组合构建而成。此外，为了生成更逼真的帧预测，我们还采用了对抗损失。我们在Penn Action数据集上评估了我们的方法，并在高层长期结构预测上展示了良好的结果。
引用
@article{arxiv.1706.08665,
title = {Hierarchical Model for Long-term Video Prediction},
author = {Peter Wang and Zhongxia Yan and Jeff Zhang},
journal= {arXiv preprint arXiv:1706.08665},
year = {2017}
}
备注
We have made some errors in the submission