HyperAIHyperAI

Command Palette

Search for a command to run...

تعلم التمثيلات العصبية عبر الفيديوهات لاستيفاء الإطارات عالي الجودة

Wentao Shangguan Yu Sun Weijie Gan Ulugbek S. Kamilov

الملخص

يُعالج هذا البحث مشكلة استيفان الفيديو الزمني، حيث يكون الهدف هو إنشاء إطار فيديو جديد بالاعتماد على إطاريه الجارين. نقترح طريقة تُسمى التمثيل العصبي عبر الفيديو (CURE) كأول طريقة لاستيفان الفيديو تعتمد على الحقول العصبية (NF). وتشير الحقول العصبية إلى فئة حديثة من الأساليب التي تُستخدم في التمثيل العصبي للمناظر ثلاثية الأبعاد المعقدة، وقد حققت نجاحًا واسع الانتشار وتطبيقات متعددة في مجال رؤية الحاسوب. يُمثّل CURE الفيديو كدالة مستمرة تُمثّل بشبكة عصبية تعتمد على الإحداثيات، حيث تكون المدخلات هي الإحداثيات المكانية والزمنية، والنتائج هي القيم RGB المقابلة. ويُقدّم CURE معمارية جديدة تُشرّع الشبكة العصبية على الإطارات المدخلة، بهدف ضمان الاتساق المكاني الزمني في الفيديو المُستَكمل. وهذا لا يُحسّن جودة الاستيفان النهائية فحسب، بل يمكّن أيضًا CURE من تعلّم سلف (prior) مشترك عبر عدة فيديوهات. وأظهرت التقييمات التجريبية أن CURE تحقق أفضل أداء ممكن في مجال استيفان الفيديو على عدة مجموعات بيانات معيارية.


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