【百度飞桨PaddlePaddle论文复现】《Few-shot Video-to-Video Synthesis》论文笔记
2020-08-07 15:00
288 查看
论文复现课程链接:https://aistudio.baidu.com/aistudio/education/group/info/1340
主要工作
和之前vid2vid比较,vid2vid对于视频的合成需要对应比较人物的训练数据,同时一个目标人物的生成就需要单独训练一个模型,而few shot vid2vid 只需要少量样本,甚至是一张图片就可以使用一个模型生成为未见过的目标人物视频。如图像1所示:
图1 vid2vid(左) 和 few-shot vid2vid(右) 比较效果
引言
现有vid2vid不足:
1、需要大量的数据进行训练
2、泛化性能弱:一般一个模型只能对应的合成一个目标数据的视频
Few-shot vid2vid
相关文章推荐
- 百度飞桨PaddlePaddle论文复现——Few shot video-to-video Synthesis论文解读
- 百度飞桨PaddlePaddle论文复现营心得:First Order Motion Model for Image Animation
- 【飞桨】【论文复现】百度顶会论文复现营之论文精读:U-GAT-IT论文笔记
- 机器学习_论文笔记_1: A few useful things to know about machine learning
- 飞桨PaddlePaddle论文复现营论文学习心得
- 【飞桨】【paddlepaddle】【论文复现】论文解读-BigGAN
- 【PaddlePaddle飞桨复现论文】U-GAT-IT论文阅读
- 百度飞桨论文复现营-《First Order Motion Model for Image Animation》论文解读
- 百度PaddlePaddle飞桨 随手笔记心得
- 飞桨paddlepaddle论文复现——BigGAN论文翻译解读
- 飞桨-论文复现 (PaddlePaddle)
- 基于PaddlePaddle复现ECO之论文阅读笔记
- 【飞桨】【PaddlePaddle】【论文复现】Big GAN 论文解读
- 【飞桨】【论文复现】StarGAN v2学习笔记
- 【飞桨PaddlePaddle】StarGANv2论文复现
- 【飞桨】【PaddlePaddle】【论文复现】StarGAN v2论文及其前置:GAN、CGAN、pix2pix、CycleGAN、pix2pixHD、StarGAN学习心得
- 【paddlepaddle】【百度论文复现训练营】BigGAN论文阅读心得体会
- 飞桨 paddlepaddle论文复现
- 读U-GAT-IT论文「飞桨」「PaddlePaddle」「论文复现」
- Learning What to Learn for Video Object Segmentation论文笔记