確率変分ビデオ予測

実世界の設定において、特に画像などの原始的な感覚観測から未来を予測することは非常に困難です。実世界の出来事は確率的であり、予測不可能な場合があります。また、自然画像の高次元性と複雑さは、予測モデルが自然世界について詳細な理解を構築することを必要とします。既存の多くの手法は、この問題に対処するために環境に関する単純化された仮定を行っています。一般的な仮定の一つは、結果が確定的であり、唯一の可能性のある未来があるというものです。これは、確率的な動態を持つ実世界の設定では低品質な予測につながる可能性があります。本論文では、各潜在変数のサンプルに対して異なる可能性のある未来を予測する確率的変分ビデオ予測（Stochastic Variational Video Prediction: SV2P）手法を開発しました。当方の知る限り、提案するモデルは初めて実世界ビデオにおける効果的な確率的多フレーム予測を提供します。我々は提案手法が詳細な未来フレームを予測する能力を複数の実世界データセットで示し、アクションがないものとアクション条件付きのもの双方で評価しました。結果として、我々は提案手法が非確率的な同じモデルや他の確率的ビデオ予測手法と比較して大幅に改善されたビデオ予測を生成することを見出しました。SV2P の実装コードは公開される予定です。以上が翻訳となります。ご確認ください。