Nov, 2017

提升多功能视频生成

PDF
TL;DR本文旨在通过设计稳健的单流视频生成架构，并扩展最先进的 Wasserstein GAN 框架，从而改进视频生成对抗网络（GANs）的性能，成功地将其应用于视频着色、视频修复和未来预测等领域，实验结果表明，我们的模型在多个具有挑战性的数据集上表现优异。
video generative adversarial networksone-stream video generation architecturewasserstein gan frameworkvideo colorizationvideo inpainting
发现论文，激发创造
  • 从单个视频生成多样化视频

    本文提出了非参数基线方法来解决单个视频生成及操作任务，相较于传统的基于 GAN 的方法能提供更高的性能和更快的运行速度，并且在视频类比和时空重新定位等方面表现突出。

    May, 2022

  • 生成对抗网络用于图像和视频合成：算法和应用

    本文文献是关于生成对抗网络（GAN）框架及其在视觉合成领域的应用和算法进行概述，包括图像翻译、处理、合成高分辨率照片等，并讨论其在内容创作中的应用。

    Aug, 2020

  • 生成敌对网络用于视频到视频的域自适应

    本文提出了一种名为 VideoGAN 的生成对抗网络，用于跨不同域传输基于视频的数据，并通过对结肠镜数据的实验验证，表明我们的 VideoGAN 可以显著提高多中心数据集上结直肠息肉分割的精度，并可用于将图像从阴天转换为晴天的任务。

    Apr, 2020

  • 时间上一致的语义视频编辑

    本文提出一种简单而有效的方法来实现一致性视频编辑，通过优化潜在编码和预先训练的生成器，减少时间光度不一致，并在不同领域和 GAN 逆推技术上得到了有利的结果。

    Jun, 2022

  • 采用分层 Wasserstein GAN 的逐渐增长方法，实现高分辨率视频生成

    本研究提出了利用渐进生长的 GAN 模型生成高分辨率视频的方法，通过逐步增加空时卷积层训练模型，逐渐学习到空间外形和时间运动的信息。同时，作者引入 SWGAN 损失函数进行高维度视频数据的分布学习。在实验中，作者的模型取得了生成 256x256x32 分辨率逼真人脸视频的好成果，并在 UCF-101 数据集上创下记录性能。

    Oct, 2018

  • 三维感知视频生成

    本文探讨了生成对抗网络 (GANs)，将神经隐式表示与时间感知区别器相结合，发展了一种 GAN 框架，仅用单目视频合成了 3D 视频，能够学习可分解的 3D 结构和运动的丰富嵌入，实现了新的时空渲染视觉效果，同时也能产生与现有 3D 或视频 GANs 相媲美的图像质量。

    Jun, 2022

  • 利用语义引导的生成对抗网络提高序列修复的一致性和正确性

    使用语义条件生成对抗网络（GAN）进行序列修复，以在维护图像手势和场景语义的同时实现修复一致性和正确性，产生更具吸引力的图像。

    Nov, 2017

  • 无穷无尽：用生成对抗网络进行图像扩展

    本文介绍了一种基于生成对抗网络 (GAN) 的语义条件方法，可在图像扩展、全景图像生成等领域中取得强大的成果。

    Aug, 2019

  • 基于混合生成对抗网络的视频着色技术 VCGAN

    提出了一种混合循环视频着色方案，使用 VCGAN，通过全局特征提取器和占位符特征提取器增强连续性和时空一致性，在颜色鲜艳和图像连续性之间取得良好平衡，并在彩色视频质量和时空一致性方面比现有方法产生了更高质量的结果。

    Apr, 2021

  • 从单一视角生成多角度图像

    提出了一种名为 VariGANs 的新的图像生成模型，采用变分推断和生成对抗网络的结合，通过粗到细的方式生成多视角衣物图像，比现有方法生成的图像更富有一致性的全局外观以及更丰富和更锐利的细节。

    Apr, 2017