Adversarial Spatio-Temporal Learning for Video Deblurring
1. 概述 作者將GAN（原始的）應用到視頻去霧中，由於2D卷積只能提取輸入的位置信息，針對視頻連續幀具有時間信息的特點作者採用了3D卷積（部分卷積層中），取得了SOTA的效果。 2. 模型結構 生成模型如圖1所示， 圖1 生成模型。 表1 生成模型。它是由兩個卷積層(L1和L2)， 14個殘差塊，兩個卷積層(L31和L32)沒有跳轉連接，和三個額外的卷積層數(L33、L34和L35)組成。 作者
相關文章
- 1. Spatiotemporal Residual Networks for Video Action Recognition
- 2. Spatiotemporal CNN for Video Object Segmentation
- 3. Spatiotemporal Multiplier Networks for Video Action Recognition
- 4. Collaborative Spatiotemporal Feature Learning for Video Action Recognition 閱讀筆記
- 5. Spatially Adaptive Residual Networks for Efficient Image and Video Deblurring
- 6. PredRNN: Recurrent Neural Networks for Predictive Learning using Spatiotemporal LSTMs
- 7. Adversarial learning for semi-supervised semantic segmentation
- 8. Adversarial Multi-task Learning for Text Classification
- 9. 【Active Learning - 05】Adversarial Sampling for Active Learning
- 10. Research Guide for Video Frame Interpolation with Deep Learning
- 更多相關文章...
- • Swift for 循環 - Swift 教程
- • Scala for循環 - Scala教程
- • Java Agent入門實戰（三）-JVM Attach原理與使用
- • Java Agent入門實戰（一）-Instrumentation介紹與使用
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Spatiotemporal Residual Networks for Video Action Recognition
- 2. Spatiotemporal CNN for Video Object Segmentation
- 3. Spatiotemporal Multiplier Networks for Video Action Recognition
- 4. Collaborative Spatiotemporal Feature Learning for Video Action Recognition 閱讀筆記
- 5. Spatially Adaptive Residual Networks for Efficient Image and Video Deblurring
- 6. PredRNN: Recurrent Neural Networks for Predictive Learning using Spatiotemporal LSTMs
- 7. Adversarial learning for semi-supervised semantic segmentation
- 8. Adversarial Multi-task Learning for Text Classification
- 9. 【Active Learning - 05】Adversarial Sampling for Active Learning
- 10. Research Guide for Video Frame Interpolation with Deep Learning