Single-Frame Regularization in Temporally Stable CNNs

该方法实现了视频生成中时域稳定性即插即用的提升。
作者将这一特性命名为"stabilty"问题。
对于输入图像x及其对应的 ground truth y，
定义了增强型损失函数L_{augment}=||f(T(x))-T(y)||_2，
该函数仅保证重建图像的一一对应准确性，
从而牺牲了时域稳定性的性能表现。
随后提出了反演不变性损失函数L_{trans-inv}=||f(T(x))-T(f(x))||_2，
该损失函数能够有效维持时域一致性，
并在输入出现偏差的情况下，
输出结果也会相应产生误差。
在此基础上，
作者引入了正则化损失项L_{jacobian}，
其定义式为：

\begin{aligned} L_{jacobian} &=||(f(T(x))-f(x))-(T(y)-y)||_2 \\ &=||(f(T(x))-T(y))-(f(x)-y)||_2 \end{aligned}

通过这一设计，
作者旨在保持输出的一致性，
从而获得更加稳定的结果。