Hasarlı video HD olarak geri yüklenir ve parametreler ve eğitim süresi üçte iki oranında azaltılır.Ulusal Tayvan Üniversitesi Araştırması ve BMVC
İçbükey tapınaktan Guo Yipu
Qubit Raporu | Genel Hesap QbitAI
Küçük kirpi videosuna mürekkep sıçradı.
AI ile "Temizleyin", temiz olacaktır.
Parçalanmış kaykay videosu.
Bu tekrar değişti.
Siyah bir erkek kardeş dev bir fareyi oynuyor, ancak resim bozuk ve net görülemiyor.
AI onu geri yükleyin, şimdi her şey yolunda.
AI tarafından geri yüklendikten sonra hasarlı her video, hiçbir zaman zarar görmemiş, eksiksiz ve net görünüyor.
Bu, Ulusal Tayvan Üniversitesi tarafından BMVC 2019'da yayınlanan bir çalışmadır. İlk çalışma, Ulusal Tayvan Üniversitesi İletişim ve Multimedya Laboratuvarı öğrencisi Ya-Liang Chang'dir.
Çekirdek oluşturma: LGTSM
Video görüntüsünün bu kadar mükemmel bir şekilde tamir edilebilmesinin nedeni, araştırmacıların önerisidir. Öğrenilebilir geçitli time shift modülü , Öğrenilebilir Geçitli Geçici Geçiş Modülü, LGTSM.
LGTSM iyileştirmeleri, 2018'de MIT-IBM Watson Lab tarafından önerildi TSM Modül, geçişli evrişim filtresi eklendi, öğrenilebilir zamansal değişen çekirdekler tasarladı.
Kaydırma işlemi yalnızca 1/4 kanal boyutunda ek bir tampon kullandığından, geleneksel 2D evrişime kıyasla hesaplama süresi ve çalışma zamanı belleği açısından düşük bir maliyete sahiptir.
Bu şekilde, bu modül model parametrelerini ve eğitim süresini orijinalin% 33'üne düşürebilir ve neredeyse aynı performans etkisini elde edebilir.
Bu modüle ek olarak, modelin tamamı bir U-net sınıfı jeneratör ve bir TSMGAN ayırıcıdan oluşmaktadır.LGTSM modülü jeneratörde yer almaktadır.Ayrıca jeneratörde ayrıca 11 evrişimli katman bulunmaktadır.
Farklı veri kümeleri üzerinde çalışmanın sonuçları
Kullanılan veri kümesi, toplam 16.000'den fazla video içeren, YouTube videolarına dayalı FaceForensics ve FVI veri kümeleridir.
İki veri setinde LGTSM, mevcut en iyi 3DGated'e çok yakındır, ancak parametre sayısı öncekinin yalnızca üçte biridir.
Portal
kağıt:
Derin Video Inpainting için Öğrenilebilir Geçitli Zamansal Kaydırma Modülü
Ya-Liang Chang, Zhe Yu Liu, Kuan-Ying Lee, Winston Hsu
https://arxiv.org/abs/1907.01131
GitHub:
https://github.com/amjltc295/Free-Form-Video-Inpainting
Video efektlerinin eksiksiz çalışmaları:
https://www.youtube.com/playlist?list=PLPoVtv-xp_dL5uckIzz1PKwNjg1yI0I94
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
