HUMOF：人类在交互社交场景中的运动预测
计算机视觉与模式识别
2026-04-02 v3
摘要
复杂场景因人类-人类和人类-环境相互作用信息的丰富性，为预测人类行为带来了显著挑战。这些因素 complicate 人类行为的分析与理解，从而增加了预测人类运动的不确定性。现有运动预测方法在这些复杂场景中难以胜任。本文提出一种有效的方法，用于交互场景中的人类运动预测。为实现对相互作用的全面表示，我们设计了分层交互特征表示，使高层特征捕获相互作用的整体上下文，而低层特征聚焦于细粒度细节。此外，我们提出了一种从粗到细的交互推理模块，利用空间和频率视角高效地利用分层特征，从而提升运动预测的准确性。我们的方法在四个公开数据集上实现了最先进的性能。该项目的源代码将在 https://github.com/scy639/HUMOF 公开。
引用
@article{arxiv.2506.03753,
title = {HUMOF: Human Motion Forecasting in Interactive Social Scenes},
author = {Caiyi Sun and Yujing Sun and Xiao Han and Zemin Yang and Jiawei Liu and Xinge Zhu and Siu Ming Yiu and Yuexin Ma},
journal= {arXiv preprint arXiv:2506.03753},
year = {2026}
}
备注
Accepted by ICLR 2026