Xp-GAN：无监督多目标可控视频生成

视频生成是机器学习中一个相对新颖且流行的课题，因其大量潜在应用和众多挑战而备受关注。当前视频生成方法为用户提供的控制很少或根本无法精确指定生成视频中物体的移动与位置，即用户不能显式控制视频中每个物体应如何运动。本文提出一种新方法，允许用户仅通过在单张初始帧上绘制边界框并沿期望路径移动这些框，即可移动任意数量的物体。我们的模型利用两个自编码器充分分解视频中的运动与内容信息，并取得了与知名基线和SOTA方法相当的结果。