TF：水平叠加图像到视频的康纳张量（3D到4D）

Question

我目前正在加载一个由小视频序列（大约30帧）而不是GIF/MPEG组成的tensor flow数据集，它们以JPEG格式提供。一幅图像由水平堆叠的20-30帧组成。你知道吗

现在我使用tf.image.decode_jpeg加载带有TF的图像。 图像的宽度是64像素（固定的），高度是64*帧数，所以整体形状是(64*number_of_frames,64,3)。你知道吗

有没有什么好方法可以把它转换成(number_of_frames,64,64,3)张量？你知道吗

后续：如果视频太短，以至于所有样本都有相同的帧数，导致(some_const,64,64,3)张量，那么我想重复最后一帧。你知道吗

谢谢！你知道吗

Answer 1

可能是这样的

tf.transpose(tf.reshape(input, [64, 64, number_of_frames, 3]), perm=[2, 0, 1, 3]))

会有用的。我嵌套了两个东西：首先将第二个维度分解为大小为64和帧数为的两个维度，然后排列维度以匹配(64,64*number_of_frames,3)顺序。你知道吗

注意：根据数据的组织方式，可能需要将[64, 64, number_of_frames, 3]更改为[64, number_of_frames, 64, 3]，将[2, 0, 1, 3]更改为[1, 0, 2, 3]。你知道吗