用于视频生成的潜神经微分方程
计算机视觉与模式识别
2021-05-12 v3
摘要
生成对抗网络近期在视频生成上展现出前景，其建立在图像生成成功的基础之上，同时应对了一个新的挑战：时间。尽管早期部分工作分析了时间，但文献未能随时序建模发展而充分增长。我们研究了神经微分方程对视频生成时间动态建模的影响。神经微分方程的范式呈现出诸多理论优势，包括首次在视频生成中对时间进行连续表示。为探明神经微分方程的影响，我们考察时序模型的变化如何影响生成视频质量。我们的结果支持了使用神经微分方程作为旧有时序生成器的简单替代。在保持相近运行时间并减少参数量的同时，我们在6464像素无条件视频生成上产出了新的最先进模型，其Inception Score为15.20。
引用
@article{arxiv.2011.03864,
title = {Latent Neural Differential Equations for Video Generation},
author = {Cade Gordon and Natalie Parde},
journal= {arXiv preprint arXiv:2011.03864},
year = {2021}
}