用于可控三维人体运动预测的聚合多 GAN 结构
计算机视觉与模式识别
2021-03-18 v1
摘要
基于历史姿态序列的人体运动预测处于许多机器智能应用的核心。然而,在当前最先进的方法中,预测的未来运动被限制在同一活动内。既不能生成不同于当前活动的预测,也无法操控身体部位以探索各种未来可能性。无疑,这极大限制了运动预测的实用性与适用性。本文提出了人体运动预测任务的一种推广,其中可便捷地引入控制参数以调整预测的运动。我们的方法引人注目之处在于,它实现了跨活动类型的可操控运动预测,并允许以多种细粒度方式定制人体运动。为此,我们提出了一种简单而有效的复合 GAN 结构,由针对不同身体部位的局部 GAN 组成并通过全局 GAN 聚合。局部 GAN 在较低维度博弈,而全局 GAN 在高维空间调整以避免模式坍缩。大量实验表明我们的方法优于最先进方法。代码见 https://github.com/herolvkd/AM-GAN。
引用
@article{arxiv.2103.09755,
title = {Aggregated Multi-GANs for Controlled 3D Human Motion Prediction},
author = {Zhenguang Liu and Kedi Lyu and Shuang Wu and Haipeng Chen and Yanbin Hao and Shouling Ji},
journal= {arXiv preprint arXiv:2103.09755},
year = {2021}
}