All translations

Enter a message name below to show all available translations.

Found 3 translations.

Name	Current message text
^h English (en)	To ablate the impact of noise augmentation, we train a model without added noise. We evaluate both our standard model with noise augmentation and the model without added noise (after 200k training steps) auto-regressively and compute PSNR and LPIPS metrics between the predicted frames and the ground-truth over a random holdout of 512 trajectories. We report average metric values for each auto-regressive step up to a total of 64 frames in Figure [https://arxiv.org/html/2408.14837v1#S5.F7 7].
^h Spanish (es)	Para analizar el impacto de la augmentación de ruido, entrenamos un modelo sin ruido añadido. Evaluamos tanto nuestro modelo estándar con augmentación de ruido como el modelo sin ruido añadido (después de 200.000 pasos de entrenamiento) autorregresivamente y calculamos las métricas PSNR y LPIPS entre los fotogramas predichos y la verdad sobre el terreno en un conjunto aleatorio de 512 trayectorias. Reportamos los valores métricos promedio para cada paso autorregresivo hasta un total de 64 fotogramas en la Figura [https://arxiv.org/html/2408.14837v1#S5.F7 7].
^h Chinese (zh)	为了消除噪声增强的影响，我们训练了一个不添加噪声的模型。我们对标准噪声增强模型和不添加噪声的模型（经过 200,000 步训练后）进行自回归评估，并计算在随机保留的 512 条轨迹上预测帧与真实帧之间的 PSNR 和 LPIPS 指标。我们在图 [https://arxiv.org/html/2408.14837v1#S5.F7 7] 中报告了每个自回归步骤的平均指标值，最多可达 64 帧。