使用流形感知 Wasserstein GAN 的人体运动预测
计算机视觉与模式识别
2021-07-20 v2 人工智能
摘要
人体运动预测旨在给定先前的姿态序列来预测未来的人体姿态。预测运动的不连续性和在长期视野中的性能退化仍是当前文献中遇到的主要挑战。在这项工作中，我们通过使用紧凑的流形值人体运动表示来解决这些问题。具体而言，我们将 3D 人体姿态的时间演化建模为轨迹，这使得我们可以将人体运动映射到球流形上的单点。为学习这些非欧几里得表示，我们构建了一个流形感知 Wasserstein 生成对抗模型，该模型通过不同的损失捕获人体运动的时间和空间依赖关系。大量实验表明，我们的方法在 CMU MoCap 和 Human 3.6M 数据集上优于最先进水平。我们的定性结果显示了预测运动的平滑性。
引用
@article{arxiv.2105.08715,
title = {Human Motion Prediction Using Manifold-Aware Wasserstein GAN},
author = {Baptiste Chopin and Naima Otberdout and Mohamed Daoudi and Angela Bartolo},
journal= {arXiv preprint arXiv:2105.08715},
year = {2021}
}
备注
IEEE International Conference on Automatic Face and Gesture Recognition 2021 Jodhpur, India December 15 - 18, 2021