用于人体活动预测的对抗生成文法
计算机视觉与模式识别
2020-08-17 v2
摘要
本文中，我们提出一种用于未来预测的对抗生成文法模型。目标是学习一个显式捕捉时间依赖关系的模型，从而具备预测多个不同未来活动的能力。我们的对抗文法被设计成可从数据分布中学习随机产生式规则，并联合学习其潜在非终结符表示。在推理过程中能够选择多条产生式规则会导致不同的预测结果，从而高效地对许多合理的未来进行建模。该对抗生成文法在 Charades、MultiTHUMOS、Human3.6M 和 50 Salads 数据集上，以及在未来 3D 人体姿态预测与未来活动预测两项活动预测任务上进行了评估。所提出的对抗文法优于最先进的方法，能够比先前工作更准确地预测且预测得更长远。
引用
@article{arxiv.2008.04888,
title = {Adversarial Generative Grammars for Human Activity Prediction},
author = {AJ Piergiovanni and Anelia Angelova and Alexander Toshev and Michael S. Ryoo},
journal= {arXiv preprint arXiv:2008.04888},
year = {2020}
}
备注
ECCV 2020 (Oral)