MotionMixer：基于MLP的3D人体姿态预测
计算机视觉与模式识别
2022-07-04 v1 机器学习
摘要
在本工作中，我们提出MotionMixer，一种仅基于多层感知机（MLPs）的高效3D人体姿态预测模型。MotionMixer通过依次混合两种模态来学习时空3D身体姿态依赖关系。给定堆叠的3D身体姿态序列，空间MLP提取身体关节的细粒度空间依赖关系。随后由时间MLP对身体关节随时间的相互作用进行建模。最后将时空混合特征聚合并解码以获得未来运动。为校准姿态序列中每个时间步的影响，我们采用了压缩激励（SE）块。我们使用标准评估协议在Human3.6M、AMASS和3DPW数据集上评估我们的方法。在所有评估中，我们均展示了最先进的性能，同时模型参数量更少。我们的代码可在 https://github.com/MotionMLP/MotionMixer 获取。
引用
@article{arxiv.2207.00499,
title = {MotionMixer: MLP-based 3D Human Body Pose Forecasting},
author = {Arij Bouazizi and Adrian Holzbock and Ulrich Kressel and Klaus Dietmayer and Vasileios Belagiannis},
journal= {arXiv preprint arXiv:2207.00499},
year = {2022}
}
备注
Accepted by IJCAI-ECAI'22 (Oral-Long presentation)