基于潜表示空间模式补全的人体运动预测
计算机视觉与模式识别
2019-04-22 v1 人工智能
摘要
受认知科学思想的启发，我们提出了一种新颖且通用的途径，通过在学习的潜表示空间上进行模式补全来解决人体运动理解问题。我们的模型在多项任务的人体运动预测中优于当前最先进的方法，且无需定制。为构建不同长度时间序列的潜表示，我们提出了一种基于序列到序列学习的新的通用自编码器。传统推断策略寻找输入与输出之间的相关性，而我们使用模式补全，将输入视为部分模式并预测相应的最佳完整模式。我们的结果表明，该方法与我们的自编码器结合在解决人体运动预测、运动生成和动作分类时具有优势。
引用
@article{arxiv.1904.09039,
title = {Human Motion Prediction via Pattern Completion in Latent Representation Space},
author = {Yi Tian Xu and Yaqiao Li and David Meger},
journal= {arXiv preprint arXiv:1904.09039},
year = {2019}
}
备注
Accepted in the 16th Conference on Computer and Robot Vision (CRV 2019)