QPoser：用于可控姿态生成的量化显式姿态先验建模
计算机视觉与模式识别
2023-12-05 v1
摘要
显式姿态先验模型将人体姿态压缩为潜在表示，以用于姿态相关的下游任务。一个理想的显式姿态先验模型应满足三项期望能力：1）正确性，即确保生成物理上合理的姿态；2）表现力，即确保在生成中保留细节；3）可控性，即从参考姿态和显式指令进行生成应便捷。现有的显式姿态先验模型无法同时满足这三项特性，尤其是可控性。为打破这一局面，我们提出了 QPoser，一种高度可控的显式姿态先验模型，可保证正确性与表现力。在 QPoser 中，我们提出了多头矢量量化自编码器（MS-VQVAE），以获得具有表现力且分布式的姿态表示。此外，我们利用全局—局部特征整合机制（GLIF-AE）来解耦潜在表示，并将全身信息整合到局部关节特征中。实验结果表明，QPoser 在表示具有表现力且正确的姿态方面显著优于当前最先进的方法，同时易于用于基于参考姿态和提示指令的细节条件生成。
引用
@article{arxiv.2312.01104,
title = {QPoser: Quantized Explicit Pose Prior Modeling for Controllable Pose Generation},
author = {Yumeng Li and Yaoxiang Ding and Zhong Ren and Kun Zhou},
journal= {arXiv preprint arXiv:2312.01104},
year = {2023}
}