永恒运动：生成无界人体运动
计算机视觉与模式识别
2020-07-29 v1
摘要
使用机器学习方法对人体运动建模已被广泛研究。本质上这是一个时间序列建模问题，涉及根据人过去的移动预测其未来的移动。然而，现有方法通常时间视野较短，仅预测人体运动的数帧至几秒。本文我们关注长期预测；即生成合理的人体运动长序列（可能无限）。此外，我们不依赖长序列的输入运动作为条件，而是能从仅单个姿态预测某人将如何移动。此类模型在图形学（电子游戏与人群动画）和视觉（作为人体运动估计的先验或用于数据集创建）中有许多用途。为解决该问题，我们提出一个生成非确定性、\textit{持续变化}的永恒人体运动的模型，其中全局轨迹与身体姿态交叉条件化。我们引入一个具有隐式、未知先验的新颖KL散度项。我们使用白噪声高斯过程的KL散度的重尾函数训练此模型，允许潜序列时间依赖性。我们进行系统实验验证其有效性，并发现其优于基线方法。
引用
@article{arxiv.2007.13886,
title = {Perpetual Motion: Generating Unbounded Human Motion},
author = {Yan Zhang and Michael J. Black and Siyu Tang},
journal= {arXiv preprint arXiv:2007.13886},
year = {2020}
}
备注
15 pages with appendix