高斯视频Transformer通过2DGS分词推进视频表示

研究人员开发了高斯视频Transformer（GVT），一个利用前馈式二维高斯泼溅（2DGS）分词方案的创新视频表示框架。该方法通过根据信息内容动态分配渲染权重来增强空间适应性，并通过避免每视频优化来提高泛化能力。GVT还采用高斯集合划分策略来分离静态和动态内容，从而实现更紧凑的表示。在视频重建、动作识别、压缩和生成任务上的评估表明，在重建和压缩方面取得了最先进的性能，在其他领域也取得了有竞争力的结果。 AI

影响 引入了一种新颖的视频表示分词方法，提高了多种视频任务的效率和性能。

排序理由 详细介绍视频表示新方法的学术论文。[lever_c_research降级：ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• Gaussian Set Partitioning
• Gaussian Video Transformer
• kinetics
• MAGVIT-v2
• Spatio-Temporal Gaussian Embedding
• Ucf101
• University of California, Davis
• Zhenghao Chen

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →