LuKAN：基于Kolmogorov-Arnold网络的3D人体动作预测框架
计算机视觉与模式识别
2025-08-08 v1
摘要
3D 人体动作预测的目标是基于历史动作数据预测未来人体姿态。现有方法常面临在预测准确率和计算效率之间取得平衡的局限。本文提出了 LuKAN，一种基于Kolmogorov-Arnold网络（KAN）并采用Lucas多项式激活函数的有效模型。我们的模型首先应用离散小波变换对输入动作序列中的时间信息进行编码。随后，使用空间投影层捕获关节之间的依赖关系，确保人体结构的一致性。LuKAN 的核心是时序依赖学习器，它采用以Lucas多项式参数化的KAN层进行高效函数逼近。这些多项式提供了计算效率，并增强了处理振荡行为的能力。最后，逆离散小波变换在时域重建动作序列，生成在时间上连贯的预测。广泛的实验在三个基准数据集上表明，我们的模型在准确率上具有竞争力，既有定量评估也有定性评估。此外，其紧凑的体系结构结合Lucas多项式的线性递推，确保了计算效率。
引用
@article{arxiv.2508.04847,
title = {LuKAN: A Kolmogorov-Arnold Network Framework for 3D Human Motion Prediction},
author = {Md Zahidul Hasan and A. Ben Hamza and Nizar Bouguila},
journal= {arXiv preprint arXiv:2508.04847},
year = {2025}
}