基于WGAN网络的自然视频预测
计算机视觉技术已经在学术界和工业界取得了巨大的成果,近年来,视频预测已经成为一个重要的研究领域.现有基于生成对抗网络的视频预测模型在训练中需要小心平衡生成器和判别器的训练,生成模型多样性不足.针对这些问题,提出用Wasserstein对抗生成网络(WGAN)代替生成对抗网络,采用拉普拉斯金字塔模型的级联卷积网络训练一个多尺度的卷积网络,根据输入视频序列预测未来几帧,再由低分辨率到高分辨率的迭代去生成比较清晰的图像.最后在UCF-101数据集上进行了实验,并与不同的网络结构进行了比较,实验结果表明,改进的网络在数据集的实验结果优于现有的视频生成模型.
视频预测、Wasserstein对抗生成网络、多尺度、拉普拉斯金字塔模型
TP391(计算技术、计算机技术)
上海市自然科学基金16ZR1413300
2019-05-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-5