基于大型随机循环神经网络的高保真视频预测
计算机视觉与模式识别
2019-11-06 v1
摘要
预测未来视频帧极具挑战性，因为构成帧随时间变化动态的变异因素众多。先前提出的解决方案需要在网络架构内使用复杂的归纳偏置及高度专门化的计算，包括分割掩码、光流以及前景背景分离。本工作中，我们质疑此类手工设计的架构是否必要，并提出了一种不同思路：在最小化视频预测归纳偏置的同时最大化网络容量。我们通过开展首项大规模实证研究来探究该问题，并在三个不同数据集（一个用于建模物体交互、一个用于建模人体运动、一个用于建模驾车）上通过学习大型模型展示了最先进的性能。
引用
@article{arxiv.1911.01655,
title = {High Fidelity Video Prediction with Large Stochastic Recurrent Neural Networks},
author = {Ruben Villegas and Arkanath Pathak and Harini Kannan and Dumitru Erhan and Quoc V. Le and Honglak Lee},
journal= {arXiv preprint arXiv:1911.01655},
year = {2019}
}
备注
In Advances in Neural Information Processing Systems (NeurIPS), 2019