AnyPose：基于神经常微分方程的任意时刻三维人体姿态预测
计算机视觉与模式识别
2023-09-12 v1
摘要
任意时刻三维人体姿态预测对于同步的实时人机交互至关重要，其中“任意时刻”指在任意实值时间步预测人体姿态。然而，据我们所知，现有人体姿态预测方法均在预设的离散时间间隔上进行预测。为此，我们提出 AnyPose，一种轻量级的连续时间神经架构，利用神经常微分方程对人体行为动力学进行建模。我们在 Human3.6M、AMASS 和 3DPW 数据集上验证了我们的框架，并就与现有方法的对比以及人体姿态与神经常微分方程的交叉点进行了一系列全面分析。结果表明，AnyPose 在预测未来姿态方面具有高性能精度，且在解决任意时刻预测任务时计算耗时显著低于传统方法。
引用
@article{arxiv.2309.04840,
title = {AnyPose: Anytime 3D Human Pose Forecasting via Neural Ordinary Differential Equations},
author = {Zixing Wang and Ahmed H. Qureshi},
journal= {arXiv preprint arXiv:2309.04840},
year = {2023}
}