随机隐变量残差视频预测
计算机视觉与模式识别
2020-08-10 v4 机器学习
机器学习
摘要
设计能够考虑未来固有不确定性的视频预测模型具有挑战性。文献中的大多数工作基于随机图像自回归循环网络，这引发了若干性能和适用性问题。另一种方法是使用完全隐变量时间模型，将帧合成与时间动态解耦。然而，由于设计和训练上的困难，文献中尚未提出用于随机视频预测的此类模型。在本文中，我们通过引入一种新颖的随机时间模型克服了这些困难，其动态由隐空间中的残差更新规则所支配。这一阶格式受微分方程离散化方案的启发。它自然地建模了视频动态，因为它使我们更简单、更具可解释性的隐变量模型能够在具有挑战性的数据集上优于先前的先进方法。
引用
@article{arxiv.2002.09219,
title = {Stochastic Latent Residual Video Prediction},
author = {Jean-Yves Franceschi and Edouard Delasalles and Mickaël Chen and Sylvain Lamprier and Patrick Gallinari},
journal= {arXiv preprint arXiv:2002.09219},
year = {2020}
}