用于人体运动合成的对抗式注意力方法

分析人体运动是人机交互、娱乐、虚拟现实和医疗健康等诸多学科的核心课题。深度学习在实时捕捉人体姿态方面已取得令人印象深刻的成果。另一方面，由于受试者间高度变异性，人体运动分析模型常因医疗健康等领域可用专业数据集极为有限，而无法泛化到未见受试者数据。然而，获取人体运动数据集极其耗时、困难且昂贵。因此，人体运动合成是深度学习与计算机视觉中的关键研究问题。我们提出一种新颖的可控人体运动合成方法，通过应用基于注意力的概率深度对抗模型并进行端到端训练。我们表明，利用对抗式注意力可在短时与长时范围内生成合成人体运动。此外，我们表明在真实数据不足的情况下，可通过用合成运动补充现有数据集来提升深度学习模型的分类性能。