面向高效复合人体运动预测的动态组合图卷积网络
计算机视觉与模式识别
2023-11-27 v1
摘要
由于在智能监控、人机交互等领域的潜在应用，人体运动预测任务已成为研究热点并取得了较高成功，尤其是近期图卷积网络（GCN）的使用。当前人体运动预测任务通常聚焦于原子动作的人体运动预测。观察到原子动作可同时发生从而形成复合动作，我们提出了复合人体运动预测任务。为处理该任务，我们首先提出复合动作生成（CAG）模块以生成合成的复合动作用于训练，从而避免了收集复合动作样本的繁重工作。此外，我们通过提出动态组合图卷积网络（DC-GCN）来缓解复合动作对更复杂模型的需求所带来的影响。在 Human3.6M 数据集和我们新收集的 CHAMP 数据集上的大量实验一致验证了我们的 DC-GCN 方法的效率，其取得了最先进的动作预测精度，同时相比传统基于 GCN 的人体运动方法仅需极少额外计算成本。
引用
@article{arxiv.2311.13781,
title = {Dynamic Compositional Graph Convolutional Network for Efficient Composite Human Motion Prediction},
author = {Wanying Zhang and Shen Zhao and Fanyang Meng and Songtao Wu and Mengyuan Liu},
journal= {arXiv preprint arXiv:2311.13781},
year = {2023}
}