基于双向预测网络的长期视频插值
计算机视觉与模式识别
2017-06-14 v1
摘要
本文考虑了长期视频插值这一具有挑战性的任务。与大多数仅在现有相邻帧之间生成少量中间帧的方法不同，我们尝试推测或构想一段情节的过程，并在视频中两个非连续帧之间生成多帧。在本文中，我们提出了一种名为双向预测网络的新型深度架构，该架构从两个相反方向预测中间帧。双向架构使得模型能够学习随时间变化的场景转换，并生成更长的视频序列。此外，我们的模型可以通过采样不同的噪声向量来扩展，以预测多种可能的过程。我们设计了一个由图像与特征空间中的线索以及对抗损失组成的联合损失来训练我们的模型。我们在 Moving 2D Shapes 和 UCF101 两个基准测试上展示了 BiPN 的优势，并报告了与近期方法相比具有竞争力的结果。
引用
@article{arxiv.1706.03947,
title = {Long-Term Video Interpolation with Bidirectional Predictive Network},
author = {Xiongtao Chen and Wenmin Wang and Jinzhuo Wang and Weimian Li and Baoyang Chen},
journal= {arXiv preprint arXiv:1706.03947},
year = {2017}
}
备注
5 pages, 7 figures