基于随机微分方程的人体运动预测学习
计算机视觉与模式识别
2021-12-22 v1
摘要
人体运动理解与预测是我们追求机器智能与人机交互系统中不可或缺的一环。当前方法通常采取运动学建模思路，严重依赖先验解剖学知识与约束。然而，此类方法难以推广至不同的骨骼模型表示，且往往不足以刻画运动的动态范围与复杂性，从而制约了预测精度。本工作中，我们提出一种基于随机微分方程与路径积分来建模运动预测问题的新方法。将每个骨骼关节的运动轮廓表述为基本随机变量，并用 Langevin 方程建模。我们开发了一种利用 GAN 模拟路径积分的策略，等价于对可能的未来路径进行优化。我们在两个大型基准数据集 Human 3.6M 与 CMU MoCap 上进行了实验。值得指出的是，我们的方法相较当前最先进方法平均取得了 12.48% 的精度提升。
引用
@article{arxiv.2112.11124,
title = {Learning Human Motion Prediction via Stochastic Differential Equations},
author = {Kedi Lyu and Zhenguang Liu and Shuang Wu and Haipeng Chen and Xuhong Zhang and Yuyu Yin},
journal= {arXiv preprint arXiv:2112.11124},
year = {2021}
}
备注
9 pages, 6 figures