GCNext：迈向人体运动预测中图卷积的统一
计算机视觉与模式识别
2023-12-20 v1
摘要
在过去几年中，图卷积网络 (GCN) 在人体运动预测领域占据了主导地位。人们提出了各种风格的图卷积，每一种都经过精心设计并整合入精心构建的网络架构中。本文突破了现有知识的局限，提出了通用图卷积 (UniGC)，这是一种新颖的图卷积概念，将不同的图卷积重新概念化为其特例。在网络层面利用 UniGC，我们提出了 GCNext，这是一种新颖的构建 GCN 的范式，能够逐样本和逐层地动态确定最合适的图卷积。GCNext 提供了多种用例，包括从头开始训练新的 GCN 或改进现有的 GCN。在 Human3.6M、AMASS 和 3DPW 数据集上的实验表明，通过整合独特的模块到网络设计，GCNext 在实现 SOTA 性能的同时，其计算成本比现有 GCN 方法低至 9 倍。
引用
@article{arxiv.2312.11850,
title = {GCNext: Towards the Unity of Graph Convolutions for Human Motion Prediction},
author = {Xinshun Wang and Qiongjie Cui and Chen Chen and Mengyuan Liu},
journal= {arXiv preprint arXiv:2312.11850},
year = {2023}
}
备注
to be published in the 38th Annual AAAI Conference on Artificial Intelligence (AAAI-24)