DMMGAN：基于注意力生成对抗网络的三维人体关节多样多运动预测
计算机视觉与模式识别
2022-10-04 v2 机器学习
机器人学
摘要
人体运动预测是许多人机应用的基础部分。尽管人体运动预测近期取得进展，多数研究通过将问题相对固定关节简化，和/或仅限模型预测一种可能的未来运动。但由于人体运动复杂本质，单一输出无法反映人可能做的所有动作。且对于任何机器人应用，我们需要包含用户轨迹的完整人体运动，而非相对于髋关节的 3D 姿态。本文中，我们试图通过提出一种基于 transformer 的生成模型来预测多种多样人体运动，以解决这两个问题。我们的模型通过查询人体运动历史生成 \textit{N} 个未来可能运动。我们的模型首先预测相对于髋关节的身体姿态。然后 \textit{髋预测模块} 为每个预测姿态帧预测髋部运动轨迹。为强调多样未来运动，我们引入一种惩罚成对样本距离的相似度损失。我们展示了我们的系统在人体运动预测上优于 SOTA，同时可预测带髋部运动的多样多运动未来轨迹。
引用
@article{arxiv.2209.09124,
title = {DMMGAN: Diverse Multi Motion Prediction of 3D Human Joints using Attention-Based Generative Adverserial Network},
author = {Payam Nikdel and Mohammad Mahdavian and Mo Chen},
journal= {arXiv preprint arXiv:2209.09124},
year = {2022}
}