用于人体运动捕捉中缺失标记点重建的神经网络方法
机器学习
2018-09-26 v4
摘要
光学运动捕捉系统已成为增强现实、机器人学、电影制作等多个领域广泛使用的技术。此类系统使用大量相机对光学标记点进行三角定位,标记点位置以高精度估算。然而,尤其在追踪关节化人体时,每个时间步的重建中总有一部分标记点缺失。本文中,我们提出使用神经网络方法学习人体运动在时间上与空间上的相关性,并通过该模型重建缺失标记点位置。我们尝试了两种不同模型,一种基于 LSTM,一种基于时间窗。两种方法均取得当前最优结果,且是在线工作,而大多数替代方法需已知完整序列。实现已公开于 https://github.com/Svito-zar/NN-for-Missing-Marker-Reconstruction 。
引用
@article{arxiv.1803.02665,
title = {A Neural Network Approach to Missing Marker Reconstruction in Human Motion Capture},
author = {Taras Kucherenko and Jonas Beskow and Hedvig Kjellström},
journal= {arXiv preprint arXiv:1803.02665},
year = {2018}
}
备注
7 pages, 6 figures