arXiv cs.AI· Augusta van Haren, Hanna Hoogen, Luca Pattavina, Quincy Rommen·· 3 天前AI 评分12
ST-GRU PredRNN-V2：用 GRU 重构 PredRNN-V2 的视频预测模型
ST-GRU PredRNN-V2: A GRU-Based Reformulation of PredRNN-V2 for Video Prediction
AI 导读
研究者提出 ST-GRU 单元，以 GRU 风格的两个门（更新门与重置门）替代 ST-LSTM 每个记忆状态的三个门，并将时间记忆状态并入隐藏状态，参数量减少约 5%。
正文 · AI 翻译
摘要：视频预测要求模型捕捉复杂的时空依赖关系，并在长序列中保留相关信息。PredRNN 及其后继者 PredRNN-V2 通过时空长短期记忆（ST-LSTM）单元来应对这一挑战，这些单元维护两个独立的记忆状态，代价是循环构建块相对复杂。在本工作中，我们研究是否可以将门控循环单元（GRU）更简单的门控机制迁移到时空预测学习中。为此，我们开发了一个时空 GRU（ST-GRU）单元，作为基于 GRU 的 ST-LSTM 替代方案。ST-GRU 将 ST-LSTM 每个记忆状态的三个门替换为两个 GRU 风格的门（更新门和重置门），并将时间记忆状态合并到隐藏状态中，从而将参数量减少约 5%。我们将 ST-GRU 集成到 PredRNN-V2 中，并按照原始实验协议在 Moving MNIST 视频预测基准上评估所得模型。在十个预测帧上取平均，基于 ST-GRU 的 PredRNN-V2 实现了 55.1 的 MSE、0.883 的 SSIM、0.065 的 LPIPS 和 19.53dB 的 PSNR。它在 MSE、SSIM 或 PSNR 上并未超越原始的基于 ST-LSTM 的 PredRNN-V2，但实现了更低的 LPIPS，并与早期基于 ST-LSTM 的 PredRNN 表现相当，同时使用了更简单的循环单元。这些结果表明，ST-GRU 是时空预测学习中有前景的构建块，并激励对其设计和集成开展进一步工作。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18645 [cs.CV] |
| （或 arXiv:2610.18645v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18645 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Hanna Hoogen [查看电子邮件]
[v1]
2026年10月13日星期二 16:11:56 UTC（1,073 KB）
来源：arXiv cs.AI · arxiv.org