改进的自监督生成对抗网络算法在视频生成中的应用

时序特征提取是视频生成领域具有挑战性的任务之一。本文提出一种改进的自监督时空特征学习的视频生成对抗网络(self-supervised spatio-temporal feature learning video generative adversarial networks,SSFLVGAN)算法来提升模型的性能,对于判别器网络的3D CNN模块,在其前四层卷积网络后增加了3D平均池化层AvgPool3d,以减少模型参数,从而实现合成视频和真实视频有效判别,以及帧之间运动时序关系是否正确的有效识别。与基准算法比较,SSFLVGAN算法在结构相似性指数和峰值信噪比评价指标上的效果更好,生成的视频更加逼真、更加合理。