预测人体动作的特征性三维姿态

我们提出预测特征性 3D 姿态的任务：从对一个人的短序列观察中，预测该人未来处于某一可能的、定义动作的、特征性姿态下的 3D 姿态——例如，从观察一个人捡起苹果，预测该人吃苹果时的姿态。先前关于人体运动预测的工作以固定时间间隔估计未来姿态。尽管易于定义，这种逐帧表述混淆了人体动作的时间与意图方面。相反，我们定义了一项语义上有意义的姿态预测任务，将预测姿态与时间解耦，其灵感来自目标导向行为。为预测特征性姿态，我们提出一种概率方法，对可能特征性姿态分布中的多模态进行建模。随后我们以自回归方式从预测分布中采样未来姿态假设，以建模关节间依赖关系。为评估我们的方法，我们构建了一个带人工标注特征性 3D 姿态的数据集。使用该数据集的实验表明，我们提出的概率方法平均优于 SOTA 方法 26%。