GlocalNet：基于类别感知的长期人体运动合成
计算机视觉与模式识别
2020-12-22 v1
摘要
长期人体运动骨架序列的合成对于辅助以人为中心的视频生成至关重要，在增强现实、三维角色动画、行人轨迹预测等方面具有潜在应用。长期人体运动合成是一项具有挑战性的任务，原因包括：姿态间的长期时间依赖、姿态间的循环重复、姿态间双向且多尺度的依赖、动作速度可变，以及跨多种类别/类型人体活动的时态姿态变化空间庞大且部分重叠。本文旨在应对这些挑战，以合成跨大量人体活动类别（>50）的长期（> 6000 ms）人体运动轨迹。我们提出一种两阶段活动生成方法以实现该目标，其中第一阶段通过学习合成稀疏运动轨迹来处理活动序列中长期全局姿态依赖的学习，而第二阶段以第一阶段输出为输入处理密集运动轨迹的生成。我们在公开可用数据集上使用各种定量评估指标展示了所提方法相对于 SOTA 方法的优越性。
引用
@article{arxiv.2012.10744,
title = {GlocalNet: Class-aware Long-term Human Motion Synthesis},
author = {Neeraj Battan and Yudhik Agrawal and Veeravalli Saisooryarao and Aman Goel and Avinash Sharma},
journal= {arXiv preprint arXiv:2012.10744},
year = {2020}
}
备注
Appearing in 2021 IEEE Winter Conference on Applications of Computer Vision (WACV)