.png){kind=icon}
返回
A progressive scale difference learning network for video prediction
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.132500.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视频序列的准确预测对于众多下游任务至关重要。尽管该领域取得了显著进展，现有研究仍面临若干挑战，例如依赖额外的辅助信息（如光流、语义图等）以及对运动物体结构的预测不准确，这在一定程度上限制了其实际应用。为解决这些局限性，本文提出了一种渐进尺度差异学习网络（PSDLN），该网络仅依赖RGB图像作为输入，并自适应地增强运动区域的特征表示。具体而言，PSDLN由三个关键组件构成：空间感知体素流模块（SAVFM）、差异学习块（DLB）和体素流交互块（VFIB）。SAVFM采用分层架构，通过堆叠多个具有不同下采样因子的模块，实现了体素流的粗到精细化。DLB旨在捕捉相邻尺度间的体素流差异，从而增强对动态变化的建模。VFIB进一步通过帧间交互机制强化了时序表示。通过逐步提取和融合多尺度信息，PSDLN显著提升了预测精度。在多个基准数据集上的广泛实验表明，PSDLN在视觉质量和预测精度两方面均持续优于当前最优方法。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
查看更多机构
引用论文
.png){kind=icon}
Deep Learning-Based Vehicle Behavior Prediction for Autonomous Driving Applications: A Review基于深度学习的自动驾驶车辆行为预测研究综述
OAAI
OAAI分享收藏 没有更多内容