基于动作转换记忆与动作特征的随机人类运动预测
计算机视觉与模式识别
2025-07-08 v1 人工智能
摘要
动作驱动的随机人类运动预测旨在基于给定的过去观察序列（执行非目标动作），生成预定义目标动作的未来运动序列。这一任务主要存在两个挑战：其一，由于不同动作转换速度的差异，生成平滑的转换运动困难；其二，由于某些动作的相似性，动作特征难以学习。这些问题导致预测结果不合理且不一致。为此，我们提出两个记忆库：软转换动作库（Soft-transition Action Bank, STAB）和动作特征库（Action Characteristic Bank, ACB），以解决上述问题。STAB存储动作转换信息，配备新颖的软搜索方法，鼓励模型关注观察运动的多个可能动作类别。ACB记录动作特征，为预测特定动作提供更多先验信息。为更好地融合从两个记忆库中检索到的特征，我们进一步提出了自适应注意力调整（Adaptive Attention Adjustment, AAA）策略。在四个运动预测数据集上的大量实验表明，我们的方法持续优于前沿方法。演示和代码已发布于https://hyqlat.github.io/STABACB.github.io/。
引用
@article{arxiv.2507.04062,
title = {Stochastic Human Motion Prediction with Memory of Action Transition and Action Characteristic},
author = {Jianwei Tang and Hong Yang and Tengyue Chen and Jian-Fang Hu},
journal= {arXiv preprint arXiv:2507.04062},
year = {2025}
}
备注
accepted by CVPR2025