语境合理且多样的3D人体运动预测
机器学习
2020-12-08 v4 计算机视觉与模式识别
机器学习
摘要
我们解决了多样的3D人体运动预测任务，即在给定一段观测到的3D姿态序列的情况下，预测多个合理的未来3D姿态。在此背景下，一种流行的方法是使用条件变分自编码器（CVAE）。然而，现有的此类方法要么无法捕捉人体运动的多样性，要么生成了多样但在语义上不合理的观测运动延续。在本文中，我们通过开发一种新的变分框架来解决这两个问题，该框架同时考虑了生成未来运动的多样性和语境。为此，与现有方法相反，我们以过去观测的表示为条件来采样作为多样性来源的潜变量，从而鼓励其携带相关信息。我们的实验表明，我们的方法不仅能在保持多样性的同时生成更高质量的运动，而且能保留观测到的3D姿态序列中所包含的语境信息。
引用
@article{arxiv.1912.08521,
title = {Contextually Plausible and Diverse 3D Human Motion Prediction},
author = {Sadegh Aliakbarian and Fatemeh Sadat Saleh and Lars Petersson and Stephen Gould and Mathieu Salzmann},
journal= {arXiv preprint arXiv:1912.08521},
year = {2020}
}