DeepHuMS：面向三维骨骼序列的深度人体运动签名
计算机视觉与模式识别
2019-12-11 v3 机器学习
图像与视频处理
摘要
随着多种旨在分析和/或复用三维人体骨骼数据的数据驱动应用（如数据驱动动画、运动生物力学分析、人体监控等）的兴起，三维人体运动索引与检索成为一个有趣的问题。人体的时空关节运动、噪声/缺失数据、同一运动的不同速度等使其具有挑战性，现有若干最先进方法使用手工特征结合基于优化或基于直方图的比较来执行检索。此外，它们仅在非常小的数据集和少数类别上进行了演示。我们主张使用一种应识别运动并强制判别性排序的学习表示。为此，我们提出了一种使用深度网络学习的三维人体运动描述子。我们所学习的嵌入具有泛化性并适用于真实世界数据——解决了上述挑战，并进一步通过另一个网络在其嵌入空间中实现子运动搜索。我们的模型利用轨迹线索挖掘类间相似性，并在自监督设定下表现远优。在两个大规模三维人体运动数据集——NTU RGB+D 和 HDM05 上展示了所有这些方面的最先进结果。
引用
@article{arxiv.1908.05750,
title = {DeepHuMS: Deep Human Motion Signature for 3D Skeletal Sequences},
author = {Neeraj Battan and Abbhinav Venkat and Avinash Sharma},
journal= {arXiv preprint arXiv:1908.05750},
year = {2019}
}
备注
Under Review, Conference