顺序至关重要：用于视频预测的序列洗牌生成
计算机视觉与模式识别
2019-07-23 v1
摘要
预测自然视频序列中的未来帧是计算机视觉界日益关注的新挑战。然而，现有模型在预测序列较长时遭受严重的时间信息丢失。与先前聚焦于生成更真实内容的方法相比，本文广泛研究了顺序信息对于视频生成的重要性。提出了一种新颖的洗牌序列生成网络（SEE-Net），该网络能够通过洗牌视频帧并将其与真实视频序列比较来学习判别不自然的顺序。在包含合成与真实世界视频的三个数据集上的系统性实验表明了我们所提模型中洗牌序列生成对于视频预测的有效性，并通过定性与定量评估展示了最先进的性能。源代码可在 https://github.com/andrewjywang/SEENet 获取。
引用
@article{arxiv.1907.08845,
title = {Order Matters: Shuffling Sequence Generation for Video Prediction},
author = {Junyan Wang and Bingzhang Hu and Yang Long and Yu Guan},
journal= {arXiv preprint arXiv:1907.08845},
year = {2019}
}
备注
This manuscript has been accepted at BMVC 2019. See the project at https://github.com/andrewjywang/SEENet