Globally and Locally Consistent Image Completion

Bu makale, bir görüntüyü ve bir dizi ses parametresini girdi olarak alıp, bu girdilere dayanarak yeni bir görüntü dizisi (video) üreten bir derin öğrenme modeli sunmaktadır. Model, görüntüdeki belirli 'anahtar noktaları' (örneğin, yüz özellikleri) izleyerek ve bu noktalara ses girdisine göre hareketler uygulayarak gerçekçi animasyonlar oluşturmayı hedefler. Temel amaç, statik bir görüntüyü, sesle uyumlu ve inandırıcı bir şekilde hareket eden bir videoya dönüştürmektir.