用于视频预测的隐式堆叠自回归模型
计算机视觉与模式识别
2023-03-15 v1
摘要
未来帧预测主要通过两类方法实现：自回归与非自回归。自回归方法依赖马尔可夫假设，在预测早期误差尚未累积时可达到高准确率。然而，其性能随时间步数增加而趋于下降。相反，非自回归方法能取得相对较高性能，但各时间步预测间缺乏相关性。本文中，我们提出一种用于视频预测的隐式堆叠自回归模型（IAM4VP），这是一种应用堆叠自回归方法的隐式视频预测模型。与自回归方法类似，堆叠自回归方法使用同一观测帧来估计所有未来帧。但其如同自回归方法一般，将自身预测作为入。随时间步数增加，预测在队列中顺序堆叠。为评估 IAM4VP 的有效性，我们在三个常用未来帧预测基准数据集以及天气与气候预测基准数据集上进行了实验。结果表明，我们提出的模型取得了最先进的性能。
引用
@article{arxiv.2303.07849,
title = {Implicit Stacked Autoregressive Model for Video Prediction},
author = {Minseok Seo and Hakjin Lee and Doyi Kim and Junghoon Seo},
journal= {arXiv preprint arXiv:2303.07849},
year = {2023}
}