人体取放动作的深度生成建模
计算机视觉与模式识别
2020-10-07 v1
摘要
在三维空间中拾取并放置物体的运动充满细微细节。这类运动通常由相同约束形成，优化速度、能量效率以及生理极限。然而，即便目标相同，实际产生的运动也总是存在自然变异。为在计算上捕捉这些特性，我们提出一种以起始与结束位置为条件的人体取放动作深度生成模型。我们采集了 600 个此类人体三维动作的数据集，以采样三维源点与目标点的 2×3 维空间。尽管时间变异常由循环神经网络或带记忆、注意力的网络等复杂学习机制建模，我们在此展示一种更简的方法：在时间上卷积并利用（周期性）时间编码。给定潜码并以起止位置为条件，该模型以线性时间作为卷积序列生成完整的三维角色运动。我们的评估包括若干消融实验、生成多样性分析与应用。
引用
@article{arxiv.2010.02345,
title = {Deep Generative Modelling of Human Reach-and-Place Action},
author = {Connor Daly and Yuzuko Nakamura and Tobias Ritschel},
journal= {arXiv preprint arXiv:2010.02345},
year = {2020}
}
备注
Accompanying video found here: https://youtu.be/o1SICcMZiiU 9 pages