ST-GRU 重构 PredRNN-V2 视频预测研究
热点事件持续更新
ST-GRU 重构 PredRNN-V2 视频预测研究
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Artificial Intelligence 刊出 Augusta van Haren 等作者的研究，探讨能否将门控循环单元（GRU）更简单的门控迁移到时空预测学习。该研究提出 ST-GRU 单元，用 GRU 式的更新门和重置门替代 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，使参数量减少约 5%。作者将 ST-GRU 嵌入 PredRNN-V2，并按原实验协议在 Moving MNIST 视频预测基准上评测，十帧平均结果为 MSE 55.1、SSIM 0.883、LPIPS 0.065、PSNR 19.53dB。据该报道，ST-GRU 在 MSE、SSIM 或 PSNR 上未超过原基于 ST-LSTM 的 PredRNN-V2，但取得了更低的 LPIPS，并与更早基于 ST-LSTM 的 PredRNN 表现相当，同时循环单元更简单。目前进展限于该基准评测结果。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
ST-GRU PredRNN-V2：用 GRU 重构 PredRNN-V2 做视频预测报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceST-GRU PredRNN-V2：用 GRU 重构 PredRNN-V2 做视频预测
研究者提出 ST-GRU 单元，用 GRU 式的更新门和重置门替代 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%。将其嵌入 PredRNN-V2 后在 Moving MNIST 基准上按原实验协议评测，十帧平均 MSE 55.1、SSIM 0.883、LPIPS 0.065、PSNR 19.53dB。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。