المعادلات العصبية الكامنة لتوليد الفيديو

شبكات التوليد المتنافسة (Generative Adversarial Networks) أظهرت مؤخرًا إمكانات واعدة في توليد الفيديو، مستفيدة من نجاحها في توليد الصور مع مواجهة تحدي جديد: الزمن. رغم أن الزمن تم تحليله في بعض الأعمال المبكرة، إلا أن الأدبيات لم تتطور بشكل كافٍ مع تطور النماذج الزمنية. ندرس آثار المعادلات التفاضلية العصبية (Neural Differential Equations) في نمذجة الديناميكيات الزمنية لتوليد الفيديو. يوفر نموذج المعادلات التفاضلية العصبية العديد من القوى النظرية، بما في ذلك أول تمثيل مستمر للزمن ضمن توليد الفيديو. لمعالجة آثار المعادلات التفاضلية العصبية، نستكشف كيف تؤثر التغييرات في النماذج الزمنية على جودة الفيديوهات المُنشأة. تدعم نتائجنا استخدام المعادلات التفاضلية العصبية كبديل بسيط للمولدات الزمنية القديمة. بينما نحافظ على أوقات التشغيل المشابهة وتقليل عدد المعلمات، فإننا ننتج نموذجًا جديدًا يُعد الأفضل حتى الآن في توليد الفيديو غير الشرطي بدقة 64×64 بكسل، بمعدل Inception Score قدره 15.20.