BiHMP-GAN：双向三维人体运动预测 GAN
计算机视觉与模式识别
2018-12-07 v1
摘要
人体运动预测模型在计算机视觉的多个领域有应用。若不考量未来姿态动力学预测中固有的随机性，此类方法常收敛于多个可能结果的确定性非期望均值。为此，我们提出了一种称为双向人体运动预测 GAN（BiHMP-GAN）的新颖概率生成方法。为能够生成以给定起始序列为条件的多个可能人体姿态序列，我们引入从预定义先验分布抽取的随机外因因子 r。此外，为对预测运动序列施加直接内容损失并避免模式崩溃，通过修改常规判别器架构融入了一种新颖的双向框架。判别器也被训练以回归此外因因子 r，其与内因因子（编码的起始姿态序列）一起用于生成特定姿态序列。为进一步正则化训练，我们引入了一种新颖的递归预测策略。尽管处于概率框架中，增强的判别器架构允许将姿态序列的中间部分预测用作序列后部分预测的条件。双向设置也为针对给定测试序列评估预测质量提供了新方向。为公平评估 BiHMP-GAN，我们使用（i）训练用于区分真实与虚假运动序列的评判模型，以及（ii）在真实人体运动动力学上训练的动作分类器来报告生成运动序列的性能。在模型概率生成的定性与定量评估中，结果均展示了 BiHMP-GAN 优于先前可用方法的优越性。
引用
@article{arxiv.1812.02591,
title = {BiHMP-GAN: Bidirectional 3D Human Motion Prediction GAN},
author = {Jogendra Nath Kundu and Maharshi Gor and R. Venkatesh Babu},
journal= {arXiv preprint arXiv:1812.02591},
year = {2018}
}
备注
Accepted at AAAI 2019