Action2Motion：条件式三维人体运动生成
计算机视觉与模式识别
2020-07-31 v1
摘要
动作识别是一个相对成熟的任务，给定一段人体运动输入序列，其目标是预测其动作类别。另一方面，本文考虑一个相对较新的问题，可视为动作识别的逆问题：给定指定的动作类型，我们旨在生成合理的三维人体运动序列。重要的是，所生成的运动集合应保持其多样性，以能够探索整个动作条件化的运动空间；同时，每个采样序列应忠实类似于自然的人体关节动力学。受这些目标驱动，我们遵循人体运动学的物理定律，采用李代数（Lie Algebra）理论来表示自然的人体运动；我们还提出了一种时间变分自编码器（VAE），以鼓励对运动空间的多样化采样。我们还构建了一个新的三维人体运动数据集 HumanAct12。在三个不同人体运动数据集（包括我们的）上的实证实验证明了我们方法的有效性。
引用
@article{arxiv.2007.15240,
title = {Action2Motion: Conditioned Generation of 3D Human Motions},
author = {Chuan Guo and Xinxin Zuo and Sen Wang and Shihao Zou and Qingyao Sun and Annan Deng and Minglun Gong and Li Cheng},
journal= {arXiv preprint arXiv:2007.15240},
year = {2020}
}
备注
13 pages, ACM MultiMedia 2020