无标注的鲁棒视频同步学习

对齐视频序列是计算机图形和视觉中广泛应用的一个基本但尚未解决的组件。大多数经典图像处理方法由于底层数据量大且局限于外观的微小变化，无法直接应用于相关视频问题。我们提出了一种可扩展且鲁棒的方法，用于计算非线性时间视频对齐。该方法自主管理其训练数据，以在迭代过程中学习有意义的表示，每次增加其自身的知识。它利用视频本身的性质，消除了对人工创建标签的需求。虽然先前的对齐方法同样考虑天气条件、季节和光照，但我们的方法能够对齐相隔数月记录的数据视频。