基于 GAN 的视频内容替换
计算机视觉与模式识别
2021-11-23 v1 机器学习
摘要
视频生成是计算机视觉中一个有趣的问题。它在数据增强、电影特效、AR/VR 等方面颇为流行。随着深度学习的进展，许多深度生成模型被提出以求解该任务。这些深度生成模型提供了一种利用线上所有无标签图像与视频的途径，因其能以无监督方式学习深度特征表示。这些模型也能生成不同种类的图像，对视觉应用具有重大价值。然而视频生成更具挑战性，因为我们需要建模视频中物体的外观及其时间运动。本工作中，我们将视频中任意帧分解为内容与姿态。我们首先使用预训练的人体姿态检测从视频中提取姿态信息，并利用生成模型基于内容编码与姿态编码合成视频。
引用
@article{arxiv.2111.10916,
title = {Video Content Swapping Using GAN},
author = {Tingfung Lau and Sailun Xu and Xinze Wang},
journal= {arXiv preprint arXiv:2111.10916},
year = {2021}
}
备注
9 pages, 12 figures