H-MoRe：学习以人为中心的运动表示用于动作分析
计算机视觉与模式识别
2025-04-16 v1
摘要
在本文中，我们提出了 H-MoRe，一种用于学习精确的以人为中心的运动表示的新型流水线。我们的方法动态保留相关的人体运动，同时过滤掉背景运动。值得注意的是，与以前依赖合成数据进行全监督学习的方法不同，H-MoRe 以自监督的方式直接从真实场景中学习，并结合了人体姿态和体型信息。受运动学启发，H-MoRe 以矩阵格式表示每个身体点的绝对和相对运动，捕捉细微的运动细节，称为世界-局部流。H-MoRe 提供了对人体运动的精细见解，可无缝集成到各种与动作相关的应用中。实验结果表明，H-MoRe 在各种下游任务中带来了显著改进，包括步态识别（CL@R1: +16.01\%）、动作识别（Acc@1: +8.92\%）和视频生成（FVD: -67.07\%）。此外，H-MoRe 展现出高推理效率（34 fps），使其适用于大多数实时场景。模型和代码将在发表后发布。
引用
@article{arxiv.2504.10676,
title = {H-MoRe: Learning Human-centric Motion Representation for Action Analysis},
author = {Zhanbo Huang and Xiaoming Liu and Yu Kong},
journal= {arXiv preprint arXiv:2504.10676},
year = {2025}
}
备注
15 pages, 14 figures, 7 tables, accepted to CVPR 2025 (Highlight)