学习在生成对抗网络诱导的图像流形上导航以实现无监督视频生成
计算机视觉与模式识别
2019-02-01 v1 机器学习
机器学习
摘要
在这项工作中,我们引入了一个用于时序数据生成建模的两步框架。具体地,采用生成对抗网络(GANs)设置来生成运动物体的合成场景。为此,我们提出了一种两步训练方案:首先训练静态帧生成器。之后,训练一个循环模型,旨在为先前训练的帧生成器提供输入序列,从而产生看起来自然的场景。对抗设置用于两个训练步骤。然而,为避免 GANs 中已知的训练不稳定性,采用多判别器方法来训练两个模型。在所研究的视频数据集上的结果表明,通过采用此种方法,循环部分能够学习如何连贯地导航由帧生成器诱导的图像流形,从而产生更自然的场景。
引用
@article{arxiv.1901.11384,
title = {Learning to navigate image manifolds induced by generative adversarial networks for unsupervised video generation},
author = {Isabela Albuquerque and João Monteiro and Tiago H. Falk},
journal= {arXiv preprint arXiv:1901.11384},
year = {2019}
}