摘要
摘要：近年来，随着人工智能与大数据的发展，AI生成图像技术已经得到了质的飞跃。本论文在此基础上提出了一种新颖的视频生成模型，特别是尝试从文本描述中处理视频生成问题，即合成以给定文本为条件的逼真的视频。由于帧不连续性的问题和无文本的生成方案，现有的视频生成方法无法轻松地很好地处理此任务。为了解决这些问题，文章中提出了一种循环反卷积生成对抗网络（recurrent deconvolutional generative adversarial network RD-GAN）[2]，其中包括一个循环反卷积网络（ recurrent deconvolutional network RDN）作为生成器和一个3D卷积神经网络 （3D convolutional neural network 3D-CNN）作为鉴别器。RDN是循环神经网络RNN的反卷积版本，可以很好地对生成的视频帧的长时间依赖性进行建模，并充分利用条件信息，生成更多高质量的连续帧。
出版日期
2023年04月19日（中国期刊网平台首次上网日期，不代表论文的发表时间）
