多人极限运动预测
计算机视觉与模式识别
2022-06-22 v7
摘要
人体运动预测旨在给定一段过去的三维骨架序列后预测未来姿态。尽管该问题近来受到越来越多的关注，但多数研究仅针对孤立的单个人体。本文探讨在处理执行协作任务的人体时的该问题：给定两段过去骨架序列，我们试图预测两名交互人物的未来运动。我们提出一种新颖的交叉交互注意力机制，利用两人的历史信息，并学习预测两条姿态序列间的交叉依赖关系。由于尚无用于训练此类交互情形的数据集，我们收集了 ExPI（极限姿态交互），一个基于实验室的新人物交互数据集，包含专业舞者表演 Lindy-hop 舞蹈动作的 115 段序列，共 30K 帧，标注了三维身体姿态与形状。我们在 ExPI 上对我们的交叉交互网络进行了充分评估，并表明无论在短期还是长期预测中，它都持续优于单人运动预测的当前最优（state-of-the-art）方法。
引用
@article{arxiv.2105.08825,
title = {Multi-Person Extreme Motion Prediction},
author = {Wen Guo and Xiaoyu Bie and Xavier Alameda-Pineda and Francesc Moreno-Noguer},
journal= {arXiv preprint arXiv:2105.08825},
year = {2022}
}
备注
CVPR 2022, update results of MSR in Table 3