HyperAIHyperAI

Command Palette

Search for a command to run...

الرسم العميق الموجه بالتدفق لملء الفيديو

Rui Xu Xiaoxiao Li Bolei Zhou Chen Change Loy

الملخص

تظل عملية ملء الفراغات في الفيديو (الفيديو إن페ينتينج) صعبة بسبب صعوبة الحفاظ على الترابط المكاني والزماني الدقيق لمحتويات الفيديو. في هذا البحث، نقترح نهجًا جديدًا لملء الفراغات في الفيديو يعتمد على توجيه التدفق. بدلاً من ملء بيكسلات RGB لكل إطار مباشرة، نعتبر عملية ملء الفراغات في الفيديو كمشكلة انتشار البيكسلات. أولاً، نقوم بتركيب حقل تدفق بصري متماسك مكانيًا وزمانيًا عبر إطارات الفيديو باستخدام شبكة تكميل التدفق العميقة المصممة حديثًا. ثم يتم استخدام الحقل المتدفق المركب لتوجيه انتشار البيكسلات لملء المناطق المفقودة في الفيديو. بشكل خاص، تتبع شبكة تكميل التدفق العميقة عملية تحسين من الخشن إلى الدقيق لإكمال حقول التدفق، بينما يتم تحسين جودتها أكثر من خلال التنقيب عن أمثلة صعبة للتدفق. وفقًا للتوجيه الذي توفره حقول التدفق المكتملة، يمكن ملء المناطق المفقودة في الفيديو بدقة. تم تقييم طريقتنا بشكل نوعي وكمي على مجموعة بيانات DAVIS و YouTube-VOS، حيث حققت أفضل الأداء من حيث جودة ملء الفراغات وسرعتها.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp