受生物学启发的人体运动序列持续学习
计算机视觉与模式识别
2023-03-16 v2 人工智能
机器学习
摘要
本工作提出了一种针对涉及时序序列任务（具体而言是人体运动）的持续学习模型。该模型在近期提出的脑启发回放模型（BI-R）基础上进行改进，构建了受生物学启发的条件时序变分自编码器（BI-CTVAE），其为类别表示实例化了潜变量高斯混合。我们研究了一种新颖的持续学习生成（CL2Gen）场景，其中模型生成不同类别的运动序列。该模型的生成精度在一组任务上进行了测试。在顺序学习所有动作类别后，BI-CTVAE在人体运动数据集上的最终分类准确率为78%，比不使用回放高63%，且仅比最先进的离线训练GRU模型低5.4%。
引用
@article{arxiv.2211.05231,
title = {Biologically-Inspired Continual Learning of Human Motion Sequences},
author = {Joachim Ott and Shih-Chii Liu},
journal= {arXiv preprint arXiv:2211.05231},
year = {2023}
}
备注
5 pages, 2 figures, accepted at IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Rhodes Island, Greece, 2023