为多样化人体运动预测生成平滑姿态序列
计算机视觉与模式识别
2022-01-14 v3
摘要
随机运动预测（即给定单一过去姿态序列预测多种可能的未来人体运动）的近期进展已能生成真正多样化的未来运动，甚至提供对某些身体部位运动的控制。然而，为此最先进方法需要学习多个映射以实现多样性，并需要一个专用模型用于可控运动预测。本文中，我们引入一个统一深度生成网络，用于多样化与可控运动预测。为此，我们利用如下直觉：真实人体运动由有效姿态的平滑序列组成，且在有限数据下，学习姿态先验比学习运动先验更可行。因此我们设计了一个按顺序预测不同身体部位运动的生成器，并引入基于归一化流的姿态先验以及关节角损失以实现运动真实感。我们在两个标准基准数据集 Human3.6M 和 HumanEva-I 上的实验表明，我们的方法在样本多样性与准确性方面均优于最先进基线。代码可在 https://github.com/wei-mao-2019/gsps 获取。
引用
@article{arxiv.2108.08422,
title = {Generating Smooth Pose Sequences for Diverse Human Motion Prediction},
author = {Wei Mao and Miaomiao Liu and Mathieu Salzmann},
journal= {arXiv preprint arXiv:2108.08422},
year = {2022}
}
备注
ICCV21(oral) (v3: update the threshold for pesudo GT in supplementary material)