基于学习先验的非对抗视频合成
图像与视频处理
2020-04-21 v3 计算机视觉与模式识别
摘要
现有多数视频合成工作聚焦于利用对抗学习生成视频。尽管取得成功，这些方法常需输入参考帧，或无法从给定数据分布生成多样视频，且可生成视频的质量缺乏一致性。不同于这些方法，我们关注从潜噪声向量生成视频、无任何参考输入帧的问题。为此，我们提出了一种新方法，通过非对抗学习联合优化输入潜空间、循环神经网络权重及生成器。对输入潜空间与网络权重一同优化，使我们能在受控环境中生成视频，即我们可忠实生成模型在学习过程中所见的所有视频以及新的未见视频。在三个具挑战且多样的数据集上的大量实验充分表明，相较现有 SOTA 方法，我们的方法生成了更优质量的视频。
引用
@article{arxiv.2003.09565,
title = {Non-Adversarial Video Synthesis with Learned Priors},
author = {Abhishek Aich and Akash Gupta and Rameswar Panda and Rakib Hyder and M. Salman Asif and Amit K. Roy-Chowdhury},
journal= {arXiv preprint arXiv:2003.09565},
year = {2020}
}
备注
Accepted to CVPR 2020