Benutzer: Gast  Login
Weniger Felder
Einfache Suche
Originaltitel:
Temporally Coherent Video Generation with Generative Adversarial Networks
Übersetzter Titel:
Zeitlich kohärente Videogenerierung mit generativen adversarischen Netzen
Autor:
Xie, You
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Thuerey, Nils (Prof. Dr.)
Gutachter:
Thuerey, Nils (Prof. Dr.); Yao, Angela (Prof. Dr.)
Sprache:
en
Fachgebiet:
WIS Wissenschaftskunde
TU-Systematik:
DAT 758
Kurzfassung:
Video generation is a crucial, but challenging topic. We explored GAN-based algorithms for realistic and temporally coherent video generation. We firstly achieved promising fluid flow super-resolution via an extra novel temporal discriminator. We then re-visit unsupervised autoencoder pretraining and propose a modified variant that relies on a full reverse pass for faster training with 3D volume data. Furthermore, we propose a novel approach to generate consistent UV coordinates for human video...     »
Übersetzte Kurzfassung:
Die Videogenerierung ist aufgrund der komplizierten Dynamik in der Sequenz ein wichtiges, aber immer noch schwieriges Thema in den Bereichen Computer Vision und Grafik. In dieser Dissertation erforschen wir GAN-basierte Algorithmen zur Videogenerierung vor verschiedenen Hintergründen, wie z. B. Flüssigkeitsströmungen und natürliche Videos. Das Hauptziel unserer Arbeit ist die Anwendung von GANs, um realistische und zeitlich kohärente Details in den erzeugten Sequenzen zu erreichen. Bei Strömung...     »
WWW:
https://mediatum.ub.tum.de/?id=1662756
Eingereicht am:
12.07.2022
Mündliche Prüfung:
06.03.2023
Dateigröße:
37808015 bytes
Seiten:
155
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230306-1662756-1-9
Letzte Änderung:
13.04.2023
 BibTeX