基于时序一致点云采样与重建的任意人类骨架运动关键帧插值
计算机视觉与模式识别
2025-07-29 v2
摘要
在角色动画领域，现代监督式关键帧插值模型在从稀疏姿态定义构建自然人类动作方面表现卓越。由于这些模型是监督式的，大型运动数据集是促进学习过程所必需的；然而，由于运动以固定的分层骨架表示，此类数据集对于骨架配置超出数据集本机配置的情形不具兼容性。因此，针对所需骨架的预期数据集可用性严重阻碍了已学习插值在实际中的可行性。为克服这一限制，我们提出了基于点云的运动表示学习 (PC-MRL)，这是一种无监督方法，用于实现骨架之间的交叉兼容性，以实现运动插值学习。PC-MRL 包括一种基于时序点云采样的骨架隐蔽策略，以及从点云进行无监督骨架重建的方法。我们设计了一种用于无监督学习的时序点-wise K 最近邻损失。此外，我们提出了首帧偏移四元数 (FOQ) 和静止姿态增强 (RPA) 策略，以克服无监督点云到骨架运动过程的必要限制。全面实验表明，PC-MRL 在无需来自本机数据集的监督情况下，能够有效实现对所需骨架的运动插值。
引用
@article{arxiv.2405.07444,
title = {Motion Keyframe Interpolation for Any Human Skeleton via Temporally Consistent Point Cloud Sampling and Reconstruction},
author = {Clinton Mo and Kun Hu and Chengjiang Long and Dong Yuan and Zhiyong Wang},
journal= {arXiv preprint arXiv:2405.07444},
year = {2025}
}
备注
Published in ECCV 2024