AdvMT：用于长期人体运动预测的对抗运动Transformer
计算机视觉与模式识别
2024-02-20 v2
摘要
为实现机器人与人类在共享环境中的无缝协作，准确预测未来人体运动至关重要。人体运动预测传统上被视为序列预测问题，利用历史人体运动数据来估计未来姿态。从最初的普通循环网络开始，研究界已探索了多种学习人体运动动力学的方法，包括基于图和生成式的方法。尽管付出了这些努力，实现准确的长期预测仍然是一项重大挑战。为此，我们提出了对抗运动Transformer（AdvMT），这是一种新颖的模型，集成了基于Transformer的运动编码器和时间连续性判别器。这种组合能有效同时捕捉帧内的空间和时间依赖性。通过对抗训练，我们的方法有效减少了预测中不需要的伪影，从而确保学习到更真实、更流畅的人体运动。评估结果表明，AdvMT极大地提高了长期预测的准确性，同时也提供了稳健的短期预测。
引用
@article{arxiv.2401.05018,
title = {AdvMT: Adversarial Motion Transformer for Long-term Human Motion Prediction},
author = {Sarmad Idrees and Jongeun Choi and Seokman Sohn},
journal= {arXiv preprint arXiv:2401.05018},
year = {2024}
}
备注
The paper is under consideration at Pattern Recognition Letters