STRPM:高分解能ビデオ予測のための時空間残差予測モデル【JST・京大機械翻訳】

Chang Zheng; Zhang Xinfeng; Wang Shanshe; Ma Siwei; Gao Wen

プレプリント

J-GLOBAL ID：202202217431790169 整理番号：22P0322305

STRPM:高分解能ビデオ予測のための時空間残差予測モデル【JST・京大機械翻訳】

STRPM: A Spatiotemporal Residual Predictive Model for High-Resolution Video Prediction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多くのビデオ予測方法は,低解像度(64≦λ128)ビデオにおいて良好な性能を得たが,高解像度(512×4K)ビデオに対する予測モデルは,まだ完全には調査されていないが,高品質ビデオに対する需要増加により,より意味がある。低解像度ビデオと比較して,高解像度ビデオは,より豊富な外観(空間)情報とより複雑な動き(時間)情報を含む。本論文では,高分解能ビデオ予測のための時空間残差予測モデル(STRPM)を提案した。一方では,著者らは,高解像度ビデオのためにより多くの空間時間情報を保存するために,時空符号化復号化スキームを提案した。この方法で,各フレームに対する外観の詳細は大いに保存できる。他方,著者らは,全フレームの代わりに,以前のフレームと将来のフレームの間の時空的残差特徴(STRF)のモデリングに焦点を合わせる残留予測メモリ(RPM)を設計し,高解像度ビデオにおける複雑な動き情報を捉えることができる。さらに,提案したRPMは空間符号器と時間符号器を超視し,空間ドメインと時間領域における異なる特徴を抽出する。さらに,予測の知覚的品質を改善するために,学習知覚損失(LP損失)を有する生成敵対ネットワーク(GAN)を用いて,提案モデルを訓練した。実験結果は,STRPMが様々な既存の方法と比較してより満足のいく結果を生み出すことができることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , テレビジョン一般

, , , ,

前のページに戻る