用于无监督运动重定向的神经运动学网络
计算机视觉与模式识别
2018-04-17 v1
摘要
我们提出了一种带有前向运动学层以及基于循环一致性的对抗训练目标的循环神经网络架构，用于无监督运动重定向。我们的网络通过前向运动学层捕获输入运动的高层属性，并将其适配到具有不同骨骼长度的靶角色（例如更短、更长的手臂等）。从不同角色收集配对的运动训练序列代价高昂。相反，我们的网络利用循环一致性以无监督方式学习求解逆运动学问题。我们的方法在线工作，即在新帧到达时即时适配运动序列。在实验中，我们使用 Mixamo 动画数据测试了我们的方法在多种运动和角色上的表现，并取得了最先进的（SOTA）结果。我们还展示了使用现成的 3D 姿态估计器将单目人体视频重定向到 3D 角色的运动。
引用
@article{arxiv.1804.05653,
title = {Neural Kinematic Networks for Unsupervised Motion Retargetting},
author = {Ruben Villegas and Jimei Yang and Duygu Ceylan and Honglak Lee},
journal= {arXiv preprint arXiv:1804.05653},
year = {2018}
}
备注
IEEE Conference on Computer Vision and Pattern Recognition (CVPR)