Fugu-MT 論文翻訳(概要): A Survey on Future Frame Synthesis: Bridging Deterministic and Generative Approaches

論文の概要: A Survey on Future Frame Synthesis: Bridging Deterministic and Generative Approaches

arxiv url: http://arxiv.org/abs/2401.14718v5
Date: Fri, 08 Nov 2024 10:51:47 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-11 14:52:25.300370
Title: A Survey on Future Frame Synthesis: Bridging Deterministic and Generative Approaches
Title（参考訳）: 未来のフレーム合成に関する調査:ブリッジング決定論的および生成的アプローチ
Authors: Ruibo Ming, Zhewei Huang, Zhuoxuan Ju, Jianming Hu, Lihui Peng, Shuchang Zhou,
Abstract要約: Future Frame Synthesis (FFS) は、モデルが既存のコンテンツに基づいて将来のフレームのシーケンスを生成することを可能にすることを目的としている。この調査は、広く使われているデータセットやアルゴリズムを含む、FSFの歴史的および現代的著作を包括的にレビューする。
参考スコア（独自算出の注目度）: 8.131773189457077
License:
Abstract: Future Frame Synthesis (FFS) aims to enable models to generate sequences of future frames based on existing content. This survey comprehensively reviews historical and contemporary works in FFS, including widely used datasets and algorithms. It scrutinizes the challenges and the evolving landscape of FFS within computer vision, with a focus on the transition from deterministic to generative synthesis methodologies. Our taxonomy highlights the significant advancements and shifts in approach, underscoring the growing importance of generative models in achieving realistic and diverse future frame predictions.
Abstract（参考訳）: Future Frame Synthesis (FFS) は、モデルが既存のコンテンツに基づいて将来のフレームのシーケンスを生成することを可能にすることを目的としている。この調査は、広く使われているデータセットやアルゴリズムを含む、FSFの歴史的および現代的著作を包括的にレビューする。コンピュータビジョンにおけるFFSの課題と進化する展望を精査し、決定論的から生成的合成方法論への移行に焦点を当てた。我々の分類学は、現実的で多様な将来のフレーム予測を達成する上で、生成モデルの重要性が増大していることを強調し、アプローチの大幅な進歩とシフトを強調している。

関連論文リスト

AdaOcc: Adaptive Forward View Transformation and Flow Modeling for 3D Occupancy and Flow Prediction [56.72301849123049]
CVPR 2024 における nuScenes Open-Occ データセットチャレンジにおいて,視覚中心の3次元活動とフロー予測トラックのソリューションを提案する。我々の革新的なアプローチは、適応的なフォワード・ビュー・トランスフォーメーションとフロー・モデリングを取り入れることで、3次元の占有率とフロー予測を向上させる2段階のフレームワークである。提案手法は回帰と分類を組み合わせることで,様々な場面におけるスケールの変動に対処し,予測フローを利用して将来のフレームに現行のボクセル特徴をワープする。
論文参考訳（メタデータ） (2024-07-01T16:32:15Z)
A Comprehensive Taxonomy and Analysis of Talking Head Synthesis: Techniques for Portrait Generation, Driving Mechanisms, and Editing [8.171572460041823]
トーキングヘッド合成は、特定のコンテンツによって駆動される静止画像からポートレートビデオを生成する高度な方法である。本調査は,3つの重要な領域 – ポートレート生成,駆動機構,編集技術 – に分類し,その技術を体系的にレビューする。
論文参考訳（メタデータ） (2024-06-15T08:14:59Z)
Visual Representation Learning with Stochastic Frame Prediction [90.99577838303297]
本稿では,フレーム予測における不確実性を捉えることを学ぶ映像生成の考え方を再考する。フレーム間の時間情報を学習するためのフレーム予測モデルを訓練するフレームワークを設計する。このアーキテクチャは、両目的を相乗的かつ計算効率のよい方法で組み合わせることができる。
論文参考訳（メタデータ） (2024-06-11T16:05:15Z)
Cumulative Distribution Function based General Temporal Point Processes [49.758080415846884]
CuFunモデルは、累積分布関数(CDF)を中心に回転するTPPに対する新しいアプローチを表す提案手法は従来のTPPモデリングに固有のいくつかの重要な問題に対処する。コントリビューションには、先駆的なCDFベースのTPPモデルの導入、過去の事象情報を将来の事象予測に組み込む方法論の開発が含まれている。
論文参考訳（メタデータ） (2024-02-01T07:21:30Z)
Comprehensive Exploration of Synthetic Data Generation: A Survey [4.485401662312072]
この研究は、過去10年間で417のSynthetic Data Generationモデルを調査します。その結果、ニューラルネットワークベースのアプローチが普及し、モデルのパフォーマンスと複雑性が向上したことが明らかになった。コンピュータビジョンが支配的であり、GANが主要な生成モデルであり、拡散モデル、トランスフォーマー、RNNが競合する。
論文参考訳（メタデータ） (2024-01-04T20:23:51Z)
Towards the Unification of Generative and Discriminative Visual Foundation Model: A Survey [30.528346074194925]
視覚基礎モデル(VFM)はコンピュータビジョンの基盤となる発展の触媒となっている。本稿では,VFMの重要軌道を概説し,その拡張性と生成タスクの熟練性を強調した。今後のイノベーションの重要な方向は、生成的および差別的パラダイムの融合である。
論文参考訳（メタデータ） (2023-12-15T19:17:15Z)
A supervised generative optimization approach for tabular data [2.5311562666866494]
本研究は,新しい合成データ生成フレームワークを提案する。特定の下流タスクに適した教師ありコンポーネントを統合し、メタラーニングアプローチを用いて既存の合成分布の最適混合分布を学習する。
論文参考訳（メタデータ） (2023-09-10T16:56:46Z)
LatentFormer: Multi-Agent Transformer-Based Interaction Modeling and Trajectory Prediction [12.84508682310717]
将来の車両軌道予測のためのトランスフォーマーモデルであるLatentFormerを提案する。提案手法をnuScenesベンチマークデータセット上で評価し,提案手法が最先端性能を実現し,トラジェクトリ指標を最大40%向上することを示す。
論文参考訳（メタデータ） (2022-03-03T17:44:58Z)
Wide and Narrow: Video Prediction from Context and Motion [54.21624227408727]
本稿では,これらの相補的属性を統合し,深層ネットワークを通した複雑なピクセルのダイナミックスを予測するフレームワークを提案する。本研究では,非局所的な近隣表現を集約し,過去のフレーム上の文脈情報を保存するグローバルなコンテキスト伝搬ネットワークを提案する。また,移動オブジェクトの動作をメモリに格納することで,適応的なフィルタカーネルを生成するローカルフィルタメモリネットワークを考案した。
論文参考訳（メタデータ） (2021-10-22T04:35:58Z)
Three Steps to Multimodal Trajectory Prediction: Modality Clustering, Classification and Synthesis [54.249502356251085]
我々は新しい予測フレームワークと共に新しい洞察を示す。提案手法は、社会情報や地図情報を導入することなく、最先端の作品を超える。
論文参考訳（メタデータ） (2021-03-14T06:21:03Z)
Future Urban Scenes Generation Through Vehicles Synthesis [90.1731992199415]
本研究では,都市景観の視覚的外観を予測するためのディープラーニングパイプラインを提案する。ループには解釈可能な情報が含まれ、各アクターは独立してモデル化される。従来のCityFlowのシーン生成手法に比べて,このアプローチが優れていることを示す。
論文参考訳（メタデータ） (2020-07-01T08:40:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。