从单张第一人称图像进行以自我为中心的篮球运动规划
计算机视觉与模式识别
2018-03-06 v1
摘要
我们提出一种模型，利用单张第一人称图像生成以自我为中心的篮球运动序列，形式为 12 维相机配置轨迹，其编码了球员在序列中的 3D 位置与 3D 头部朝向。为此，我们首先引入一个未来卷积神经网络（CNN），预测初始的 12 维相机配置序列，旨在捕捉真实球员在一对一篮球比赛中的运动方式。我们还引入一个目标验证网络，经训练可验证给定相机配置与真实一对一篮球球员最终目标的一致性。接下来，我们提出一种逆合成过程，以合成精炼的 12 维相机配置序列，其（1）充分匹配未来 CNN 预测的初始配置，同时（2）最大化目标验证网络的输出。最后，通过遵循精炼相机配置序列所得轨迹，我们获得完整的 12 维运动序列。我们的模型生成捕捉真实球员目标的逼真篮球运动序列，优于循环神经网络（RNNs）、长短期记忆网络（LSTMs）与生成对抗网络（GANs）等标准深度学习方法。
引用
@article{arxiv.1803.01413,
title = {Egocentric Basketball Motion Planning from a Single First-Person Image},
author = {Gedas Bertasius and Aaron Chan and Jianbo Shi},
journal= {arXiv preprint arXiv:1803.01413},
year = {2018}
}
备注
CVPR 2018