基于条件变分自编码器的多样性促进人体运动插值
计算机视觉与模式识别
2021-11-15 v1
摘要
本文提出一种基于深度生成模型的方法，用于生成多样化的人体运动插值结果。我们利用条件变分自编码器（CVAE），以循环神经网络（RNN）结构作为编码器与解码器，来学习以给定起止运动对为条件的人体运动。此外，我们引入一种正则化损失以进一步促进样本多样性。一旦训练完成，我们的方法能够通过从学到的潜空间中重复采样，生成多个合理的连贯运动。在公开可用数据集上的实验证明了我们的方法在样本合理性与多样性方面的有效性。
引用
@article{arxiv.2111.06762,
title = {Diversity-Promoting Human Motion Interpolation via Conditional Variational Auto-Encoder},
author = {Chunzhi Gu and Shuofeng Zhao and Chao Zhang},
journal= {arXiv preprint arXiv:2111.06762},
year = {2021}
}