MultiAct：基于多动作标签的长期三维人体运动生成
计算机视觉与模式识别
2023-02-20 v3
摘要
我们解决了从多个动作标签生成长期三维人体运动的问题。之前的两种主要方法，如动作条件方法和运动条件方法，在解决此问题方面存在局限。动作条件方法从单一动作生成运动序列，因此无法生成由多个动作及动作间过渡组成的长期运动。同时，运动条件方法从初始运动生成未来运动，所生成的未来运动仅依赖于过去，故无法由用户期望的动作控制。我们提出MultiAct，首个从多个动作标签生成长期三维人体运动的框架。MultiAct通过统一的循环生成系统同时考虑动作与运动条件。它重复地接收先前的运动与动作标签，然后生成平滑的过渡及给定动作的运动。因此，MultiAct生成由给定多动作标签序列控制的逼真长期运动。代码发布于 https://github.com/TaeryungLee/MultiAct_RELEASE。
引用
@article{arxiv.2212.05897,
title = {MultiAct: Long-Term 3D Human Motion Generation from Multiple Action Labels},
author = {Taeryung Lee and Gyeongsik Moon and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:2212.05897},
year = {2023}
}
备注
AAAI 2023 (Oral presentation)