Quasi-Static Video Set

我们以与中类似的方式准备训练数据集。从本研究中使用的37个高分辨率Vimeo视频中，将它们下采样2倍后，我们提取了40,000大小为I × 256 × 3的随机裁剪序列，其中I ≥ 12。从序列中排除定界关键帧。在训练时，我们对长度为12的这些作物的随机子序列进行了采样。通过排除第一帧和最后一帧，我们获得长度为10的地面真相 (GT) 序列。采样序列的第一帧和最后帧用于在开始时产生x-1，在结束时产生x10。还采用数据增强 (随机翻转/换位)。我们还准备了4个序列的验证集。它们来自对物体运动没有限制的视频，每个视频的数量在30到50帧之间。我们引入了一组新的长序列测试集，其中相机是准静态的并且前景对象会移动。该数据集将补充现有数据集 (Vid4，REDS和Vimeo-90K)，这些数据集仅包含短或呈现快速场景运动的视频。为了生成这个新的数据集，我们m vimeo.com一个d youtube.com下载视频，并提取4个序列，其中包含准静态场景和运动对象。其中前两个分别为Full HD和HD Ready，另外两个为4K。HD和4k序列分别被下采样2和4倍。这4个序列在帧数量上分别具有以下长度: 379、379和172。它们构成了我们称为准静态视频集的测试数据集。我们将序列的长度限制为379，以确保数据集的同质性，但是包含第一个序列的视频包含更大数量的帧。因此，我们还准备了第一个序列的更长版本，称为序列1-XL。后者包含8782帧。