基于级联优化网络的视频合成方法

针对视频到视频的生成过程中视频生成质量较差,生成的物体属性无法在后续视频中得以延续,使仿真视频的视觉效果下降的问题,在图像到图像合成算法的基础上提出一种高分辨率的视频到视频的生成方法.在级联优化网络中增加残差块优化网络结构,从而提高生成视频帧的质量.为解决后续视频中生成物体属性不一致的问题,由两帧改进的级联优化网络预测图像计算光流,再由光流预测一帧图像,将这两个预测图像融合,得到仿真视频序列.与其他视频及图像生成方法在Cityscapes数据集上进行实验对比,结果表明所提算法可以得到更加真实的视频,并且生成的视频序列评价更高.

基于深度学习的光流估计简要综述

图像的光流计算是图像处理领域的重要研究方向。随着深度学习技术的不断发展,以卷积神经网络为代表的深度学习理论与方法成为光流计算技术研究的热点,并且在算准确率和计算速度上都超过了传统算法。本文主要简单介绍了基于深度学习的光流估算研究进展。