谷歌研究人员利用3D卷积网络打造视频生成新系统

谷歌研究人员利用3D卷积网络打造视频生成新系统，只需要视频的第一帧和最后一帧，就能生成完整合理的整段视频，是不是很神奇？

漫画书秒变动画片了解一下？

想象一下，现在你的手中有一段视频的第一帧和最后一帧图像，让你负责把中间的图像填进去，生成完整的视频，从现有的有限信息中推断出整个视频。你能做到吗？

这可能听起来像是一项不可能完成的任务，但谷歌人工智能研究部门的研究人员已经开发出一种新系统，可以由视频第一帧和最后一帧生成“似是而非的”视频序列，这个过程被称为“inbetween”。

“想象一下，如果我们能够教一个智能系统来将漫画自动变成动画，会是什么样子？如果真实现了这一点，无疑将彻底改变动画产业。“该论文的共同作者写道。“虽然这种极其节省劳动力的能力仍然超出目前最先进的水平，但计算机视觉和机器学习威廉希尔官方网站 的进步正在使这个目标的实现越来越接近。”

原理与模型结构

这套AI系统包括一个完全卷积模型，这是是受动物视觉皮层启发打造的深度神经网络，最常用于分析视觉图像。它由三个部分组成：2D卷积图像解码器，3D卷积潜在表示生成器，以及视频生成器。

图1：视频生成模型示意图

图像解码器将来自目标视频的帧映射到潜在空间，潜在表示生成器学习对包含在输入帧中的信息进行合并。最后，视频生成器将潜在表示解码为视频中的帧。

研究人员表示，将潜在表示生成与视频解码分离对于成功实现中间视频至关重要，直接用开始帧和结束帧的编码表示生成视频的结果很差。为了解决这个问题，研究人员设计了潜在表示生成器，对帧的表示进行融合，并逐步增加生成视频的分辨率。

图2：模型生成的视频帧序列图，对于每个数据集上方的图表示模型生成的序列，下方为原视频，其中首帧和尾帧用于生成模型的采样。

实验结果

为了验证该方法，研究人员从三个数据集中获取视频 - BAIR机器人推送，KTH动作数据库和UCF101动作识别数据集 - 并将这些数据下采样至64 x 64像素的分辨率。每个样本总共包含16帧，其中的14帧由AI系统负责生成。

研究人员为每对视频帧运行100次模型，并对每个模型变量和数据集重复10次，在英伟达Tesla V100显卡平台上的训练时间约为5天。结果如下表所示：

表1：我们报告了完整模型和两个基线的平均FVD，对每个模型和数据集重复10次，每次运行100个epoch，表中FVD值越低，表示对应生成视频的质量越高。

表2：使用直接3D卷积和基于的替代方法的模型的平均SSIM

RNN（SDVI）或光流（SepConv和SuperSloMo），数值越高越好。

研究人员表示，AI生成的视频帧序列在风格上与给定的起始帧和结束帧保持一致，而且看上去说得通。“令人惊喜的是，这种方法可以在如此长的时间段内实现视频生成，”该团队表示，“这可能给未来的视频生成威廉希尔官方网站 研究提供了一个有用的替代视角。”