ReliaAvatar：集成运动预测的可靠实时全身人形姿态估计器
人机交互
2024-07-03 v1
摘要
在最小穿戴设备下高效估计全身姿态是一个值得关注的研究方向。尽管该领域取得了显著进展，但大多数当前研究忽略了在低质量信号条件下进行全身人形姿态估计，这在实际使用中十分常见。为弥合这一差距，我们概述了三种可能在现实应用中遇到的情形：标准情形、瞬时数据丢失情形以及持续性数据丢失情形，并提出一种新的评估基准。我们提出的解决方案是将全身人形姿态估计问题与运动预测集成。具体而言，本文提出 \textit{ReliaAvatar}，一个实时的、\textbf{relia}ble \textbf{avatar} animator，配备预测建模能力，采用双路径体系结构。ReliaAvatar 在实际运行中表现出色，帧率可达 109 帧/秒（fps）。在广为人知的基准数据集上进行的大量比较评估表明，ReliaAvatar 在标准情形和低数据质量条件下均表现出优异性能。代码已发布于 \url{https://github.com/MIV-XJTU/ReliaAvatar}。
引用
@article{arxiv.2407.02129,
title = {ReliaAvatar: A Robust Real-Time Avatar Animator with Integrated Motion Prediction},
author = {Bo Qian and Zhenhuan Wei and Jiashuo Li and Xing Wei},
journal= {arXiv preprint arXiv:2407.02129},
year = {2024}
}