基于多级时空锚点的多样化人体运动预测
计算机视觉与模式识别
2023-02-10 v1
摘要
给定历史姿态序列预测多样化人体运动已受到越来越多关注。尽管进展迅速，现有工作主要通过基于似然的采样捕捉人体运动的多元模态，其中模式坍塌已被广泛观察到。本文中，我们提出一种简单而有效的方法，利用名为锚点的确定性可学习组件解耦随机采样编码，以提升样本精度与多样性。锚点进一步被分解为空间锚点与时间锚点，可对时空差异提供极具可解释性的控制。原则上，我们基于时空锚点的采样（STARS）可应用于不同运动预测器。此处我们提出一种交互增强的时空图卷积网络（IE-STGCN），其编码人体运动的先验知识（如空间局部性），并将锚点融入其中。大量实验表明，我们的方法在随机与确定性预测中均优于当前最优，表明其可作为建模人体运动的统一框架。我们的代码与预训练模型见于 https://github.com/Sirui-Xu/STARS。
引用
@article{arxiv.2302.04860,
title = {Diverse Human Motion Prediction Guided by Multi-Level Spatial-Temporal Anchors},
author = {Sirui Xu and Yu-Xiong Wang and Liang-Yan Gui},
journal= {arXiv preprint arXiv:2302.04860},
year = {2023}
}
备注
ECCV 2022 (Oral); Project Page: https://sirui-xu.github.io/STARS/