ReMP：面向多域三维人体姿态估计与运动补间的可复用运动先验
计算机视觉与模式识别
2024-11-15 v1
摘要
我们提出了可复用运动先验，一种能够准确跟踪各类下游任务中运动时序演化的有效运动先验。受基础模型成功的启发，我们认为一个鲁棒的时空运动先验可以封装适用于各种传感器模态的底层三维动力学。我们从一系列完整的参数化人体形体姿态模型序列中学习丰富的运动先验。尽管存在显著遮挡，我们的先验通过采用时序注意力机制，仍能轻松估计缺失帧中的姿态或含噪测量。更有趣的是，我们的先验能引导系统从不完整且极具挑战性的输入测量中快速提取关键信息以估计姿态序列，显著提升了网格序列恢复的训练效率。ReMP 在多样且实用的三维运动数据上持续优于基线方法，包括深度点云、激光雷达扫描和 IMU 传感器数据。项目页面见 https://hojunjang17.github.io/ReMP。
引用
@article{arxiv.2411.09435,
title = {ReMP: Reusable Motion Prior for Multi-domain 3D Human Pose Estimation and Motion Inbetweening},
author = {Hojun Jang and Young Min Kim},
journal= {arXiv preprint arXiv:2411.09435},
year = {2024}
}
备注
8 main pages, WACV 2025