Motion-DVAE:用于快速人体运动去噪的无监督学习
计算机视觉与模式识别
2023-12-01 v2 人工智能
摘要
姿态与运动先验对于从含噪观测中恢复真实且准确的人体运动至关重要。从图像进行姿态与形状估计已取得实质性进展,近期工作利用先验优化逐帧预测并展示了令人印象深刻的成果。然而,许多运动先验仅建模连续姿态间的转移,且用于耗时的优化流程,这对许多需要实时动作捕捉的应用而言存在问题。我们提出Motion-DVAE,一种捕捉人体运动短期依赖的运动先验。作为动态变分自编码器(DVAE)模型家族的一员,Motion-DVAE结合了VAE模型的生成能力与循环架构的时间建模能力。连同Motion-DVAE,我们引入一种无监督学习的去噪方法,在单一框架中统一基于回归与基于优化的方法,用于实时三维人体姿态估计。实验表明,所提方法在达到与最先进方法相当性能的同时速度快得多。
引用
@article{arxiv.2306.05846,
title = {Motion-DVAE: Unsupervised learning for fast human motion denoising},
author = {Guénolé Fiche and Simon Leglaive and Xavier Alameda-Pineda and Renaud Séguier},
journal= {arXiv preprint arXiv:2306.05846},
year = {2023}
}