利用时间起始模块进行运动预测
计算机视觉与模式识别
2020-10-08 v1
摘要
人体运动预测是机器人与自动驾驶中许多应用的必要组成部分。近期方法提出使用序列到序列深度学习模型来解决该问题。然而，它们未着眼于针对不同长度输入挖掘不同的时间尺度。我们认为多样的时间尺度十分重要，因为它们使我们能以不同的感受野观察过往帧，从而带来更好的预测。本文中，我们提出时间起始模块（TIM）来编码人体运动。利用 TIM，我们的框架通过卷积层并使用不同核大小应对不同输入长度来生成输入嵌入。在标准运动预测基准数据集 Human3.6M 和 CMU 动作捕捉数据集上的实验结果表明，我们的方法持续优于当前最优方法。
引用
@article{arxiv.2010.03006,
title = {Motion Prediction Using Temporal Inception Module},
author = {Tim Lebailly and Sena Kiciroglu and Mathieu Salzmann and Pascal Fua and Wei Wang},
journal= {arXiv preprint arXiv:2010.03006},
year = {2020}
}
备注
16 pages, 4 figures. To appear in the proceedings of the 15th Asian Conference on Computer Vision, ACCV 2020