用于扩展复杂人体运动合成的自条件循环网络
机器学习
2018-07-11 v5
摘要
我们提出了一种使用一种我们称之为自条件循环神经网络（acRNN）的新型训练机制来合成高度复杂人体运动的实时方法。最近，研究人员尝试使用自回归技术合成新运动，但现有方法由于反馈回网络的误差累积，往往在几秒后冻结或发散。此外，此类方法仅被证明对相对简单的人体运动（如行走或跑步）可靠。相反，我们的方法能够合成具有高度复杂风格的任意运动，除移动外还包括舞蹈或武术。acRNN能够通过显式地在训练中容纳自回归噪声累积来实现这一点。据我们所知，我们的工作是首个展示能够生成超过18,000连续帧（300秒）的不同风格的新复杂人体运动的能力。
引用
@article{arxiv.1707.05363,
title = {Auto-Conditioned Recurrent Networks for Extended Complex Human Motion Synthesis},
author = {Zimo Li and Yi Zhou and Shuangjiu Xiao and Chong He and Zeng Huang and Hao Li},
journal= {arXiv preprint arXiv:1707.05363},
year = {2018}
}