用于人体动作合成的生成对抗图卷积网络
计算机视觉与模式识别
2021-10-26 v3 人工智能
机器学习
摘要
合成人体骨架的空间与时间动态仍是一项具有挑战性的任务，不仅在生成形状的质量方面，也在其多样性方面，尤其是合成特定动作（动作条件化）的真实身体运动。本文提出 Kinetic-GAN，一种利用生成对抗网络（GAN）与图卷积网络优势来合成人体动力学的新型架构。所提出的对抗架构可对局部与全局身体运动条件化多达 120 种不同动作，同时通过潜空间解耦与随机变化提升样本质量与多样性。我们在三个知名数据集上进行了实验，Kinetic-GAN 在分布质量指标上显著超越最先进（SOTA）方法，且能够合成的不同动作数量超过一个数量级。我们的代码与模型已公开于 https://github.com/DegardinBruno/Kinetic-GAN。
引用
@article{arxiv.2110.11191,
title = {Generative Adversarial Graph Convolutional Networks for Human Action Synthesis},
author = {Bruno Degardin and João Neves and Vasco Lopes and João Brito and Ehsan Yaghoubi and Hugo Proença},
journal= {arXiv preprint arXiv:2110.11191},
year = {2021}
}
备注
Published as a conference paper at WACV 2022. Code and pretrained models available at https://github.com/DegardinBruno/Kinetic-GAN