通过建模运动上下文与增强运动动态实现长期人体运动预测
计算机视觉与模式识别
2018-05-08 v1
摘要
人体运动预测旨在基于观测到的骨架序列生成未来的人体运动帧。近期方法采用循环神经网络（RNN）的最新隐藏状态来编码历史骨架，只能处理短期预测。本工作中，我们提出一种运动上下文建模方法，通过针对当前预测来汇总历史人体运动。提出一种改进的高速单元（MHU），用于在给定运动上下文的情况下高效消除静止关节并估计下一姿态。此外，我们通过最小化 gram 矩阵损失来增强运动动态，以用于长期运动预测。实验结果表明，所提模型有望预测人体未来运动，取得了优于相关前沿方法的性能。此外，用活动标签指定运动上下文使我们的模型能够执行人体运动迁移。
引用
@article{arxiv.1805.02513,
title = {Long-Term Human Motion Prediction by Modeling Motion Context and Enhancing Motion Dynamic},
author = {Yongyi Tang and Lin Ma and Wei Liu and Weishi Zheng},
journal= {arXiv preprint arXiv:1805.02513},
year = {2018}
}
备注
Accepted by IJCAI 2018