姿态 Transformer (POTR)：基于非自回归 Transformer 的人体运动预测
计算机视觉与模式识别
2021-09-17 v1
摘要
我们提出利用 Transformer 架构进行非自回归人体运动预测。我们的方法从查询序列并行解码元素，而不是像基于 RNN 的最先进方法那样以先前的预测为条件。通过这种方式，我们的方法计算量更小，并有可能避免序列中长期元素的误差累积。在此背景下，我们的贡献有四点：(i) 我们将人体运动预测构建为序列到序列问题，并提出一种非自回归 Transformer 来并行推断姿态序列；(ii) 我们提出从一个预先生成的、包含输入序列元素的查询序列中解码 3D 姿态序列；(iii) 我们提出从编码器记忆中进行基于骨架的活动分类，期望通过识别活动来改善预测；(iv) 我们表明，尽管简单，我们的方法在两个公开数据集上取得了有竞争力的结果，尽管令人惊讶的是在短期预测而非长期预测上更为明显。
引用
@article{arxiv.2109.07531,
title = {Pose Transformers (POTR): Human Motion Prediction with Non-Autoregressive Transformers},
author = {Angel Martínez-González and Michael Villamizar and Jean-Marc Odobez},
journal= {arXiv preprint arXiv:2109.07531},
year = {2021}
}
备注
Accepted in ICCV-W