Глубокое генеративное обучение для моделирования последовательности изображенийDeep generative learning for image sequences

Для получения надёжных результатов во многих задачах машинного обучения и анализа данных требуются обучающие выборки значительного объема. Однако получить достаточное количество данных для обучения не всегда возможно. В таких ситуациях одним из решений является обогащение обучающих выборок синтетическими данными, искусственно созданными генеративной моделью. В данной работе рассматривается проблема генерации последовательностей изображений с сохранением их свойств. В частности, разработаны методы для генерации трёхмерных воксельных данных, генерации последовательности кадров видео, а так же очистки растровых изображений с сохранением семантически важной информации.