MotionAug:带物理修正的人体运动预测数据增强
计算机视觉与模式识别
2023-08-21 v4 机器学习
摘要
本文提出了一种运动数据增强方案,结合了鼓励多样性的运动合成与施加物理合理性的运动修正。该运动合成由我们改进的变分自编码器(VAE)和逆运动学(IK)组成。在此VAE中,我们提出的近样本采样方法即使在训练运动数据不足时也能生成各种有效运动。我们基于IK的运动合成方法使我们能够半自动地生成多种运动。由于这两种方案在合成运动中会产生不真实的伪影,我们的运动修正对其进行了纠正。该运动修正方案由带物理模拟的模仿学习和随后的运动去偏置组成。对于此模仿学习,我们提出了PD残差力,显著加速了训练过程。此外,我们的运动去偏置成功抵消了模仿学习引起的运动偏差,以最大化增强效果。结果表明,在基于循环神经网络和基于图卷积网络的人体运动预测模型上,我们的方法大幅优于先前基于噪声的运动增强方法。代码见https://github.com/meaten/MotionAug。
引用
@article{arxiv.2203.09116,
title = {MotionAug: Augmentation with Physical Correction for Human Motion Prediction},
author = {Takahiro Maeda and Norimichi Ukita},
journal= {arXiv preprint arXiv:2203.09116},
year = {2023}
}
备注
Accepted at CVPR2022