基于空间连续生成对抗网络的视频帧间图像生成

目录

第一个书签之前

摘 要

Abstract

第1章 绪 论

1.1 课题背景及研究的目的和意义

1.2 研究现状

1.2.1 传统提高帧率方法研究现状

1.2.2 基于生成对抗网络的图像生成方法研究现状

1.3 本文的主要研究内容及结构安排

第2章 基于SC-GAN的帧间图像生成方法的架构

2.1 引言

2.2 GAN的基本原理

2.2.1 GAN的模型框架

2.2.2 GAN模型的优势

2.2.3 GAN经典的改进模型

2.3.1 GAN在帧间图像生成中的不足

2.3.2 改进的SC-GAN的帧间图像生成方法架构

2.4 本章小结

第3章 基于SC-GAN的帧间图像生成算法

3.1 引言

3.2 空间连续性

3.3 SC-GAN模型的构造

3.3.1 自编码器

3.3.2 网络模型

3.3.3 Wasserstein距离

3.3.4 平衡参数

3.4 Adam优化算法以及最优选择

3.4.1 Adam优化算法

3.4.2 Adam优化器的最优选择

3.5 本章小结

第4章 基于SC-GAN的帧间图像生成的实现

4.1 引言

4.2 SC-GAN模型的基础组件

4.2.1 Tensorflow开源库

4.2.2 Cuda并行计算架构

4.2.3 TensorBoard可视化工具

4.3 SC-GAN网络的实现

4.3.1 生成器网络

4.3.2 判别器网络

4.3.3 平衡状态控制

4.3.4 损失函数

4.4.1 数据初始化

4.4.2 训练网络

4.4.3 帧间图像生成实现

4.5 本章小结

第5章 基于SC-GAN的帧间图像生成实验

5.1 引言

5.2 数据来源

5.3 评价指标

5.4 生成模型质量评估

5.4.1 CelebA数据集评估模型

5.4.2 CartoonFaces数据集评估模型

5.4.3 评估结果分析

5.5 帧间图像生成实验

5.5.1 帧间图像生成实验

5.5.2生成实验结果分析

5.5.3 帧间图像生成质量验证

5.5.4质量验证结果分析

5.6 实验结果分析

5.7 本章小结

结 论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致 谢