KP-RNN：用于人体运动预测与表演艺术合成的深学习流水线
计算机视觉与模式识别
2023-11-03 v3 人工智能
机器学习
摘要
数字化合成人体运动本质上是一个复杂过程，可能在虚拟现实等应用领域造成障碍。我们提出一种预测人体运动的新方法 KP-RNN，一种可轻松与现有图像处理与生成流水线集成的神经网络。我们利用一个新的表演艺术人体运动数据集 Take The Lead，以及运动生成流水线 Everybody Dance Now 系统，来展示 KP-RNN 运动预测的有效性。我们发现我们的神经网络能有效预测人体舞蹈动作，这可作为未来使用 Take The Lead 数据集工作的基线结果。由于 KP-RNN 可 alongside 如 Everybody Dance Now 这样的系统工作，我们认为我们的方法可启发渲染人体虚拟形象动画的新方法。本工作也旨在通过易得的神经网络造福数字平台上表演艺术的可视化。
引用
@article{arxiv.2210.04366,
title = {KP-RNN: A Deep Learning Pipeline for Human Motion Prediction and Synthesis of Performance Art},
author = {Patrick Perrine and Trevor Kirkby},
journal= {arXiv preprint arXiv:2210.04366},
year = {2023}
}
备注
To appear in Proceedings of AIVR 2023, 11 pages, 8 figures