三维人体运动预测：综述
计算机视觉与模式识别
2022-03-08 v2
摘要
三维人体运动预测，即从给定序列预测未来姿态，是计算机视觉与机器智能中极具重要性与挑战性的问题，可帮助机器理解人类行为。随着深度神经网络（DNNs）的日益发展及其理解的深入，以及大规模人体运动数据集的可用，人体运动预测已取得显著进展，并在学术界与工业界引发大量关注。在此背景下，我们对三维人体运动预测进行了全面综述，以回顾并分析已发表文献中的相关工作。此外，我们构建了一个相应的分类体系，将这些现有三维人体运动预测方法加以归类。本综述将相关方法分为三类：人体姿态表示、网络结构设计和预测目标。我们系统回顾了自2015年以来人体运动预测领域的全部相关期刊与会议论文，并基于本综述提出的分类进行详细阐述。进一步地，本文分别给出了公开基准数据集、评估准则及性能对比的概览。我们也讨论了当前最优（SOTA）方法的局限性，期望为未来探索铺平道路。
引用
@article{arxiv.2203.01593,
title = {3D Human Motion Prediction: A Survey},
author = {Kedi Lyu and Haipeng Chen and Zhenguang Liu and Beiqi Zhang and Ruili Wang},
journal= {arXiv preprint arXiv:2203.01593},
year = {2022}
}