随机多人三维运动预测
计算机视觉与模式识别
2023-06-09 v1
摘要
本文旨在处理先前人体运动预测工作中被忽略的现实世界复杂性，强调多人运动的社交属性、运动与社交交互的多样性，以及关节式运动的复杂性。为此，我们引入一种称为随机多人三维运动预测的新任务。我们提出一种双层级生成建模框架，分别在局部层级建模独立的个体运动、在全局层级建模社交交互。值得注意的是，该双层级建模机制可在一个共享生成模型内实现，通过引入表示未来运动意图的可学习隐码，并切换隐码在不同层级的操作模式。我们的框架具有通用性；我们用不同生成模型（包括生成对抗网络和扩散模型）以及各种多人预测模型对其进行了实例化。在CMU-Mocap、MuPoTS-3D和SoMoF基准上的大量实验表明，我们的方法生成多样且准确的多人预测，显著优于最先进水平。
引用
@article{arxiv.2306.05421,
title = {Stochastic Multi-Person 3D Motion Forecasting},
author = {Sirui Xu and Yu-Xiong Wang and Liang-Yan Gui},
journal= {arXiv preprint arXiv:2306.05421},
year = {2023}
}
备注
ICLR 2023 (Top 25% Paper); Project Page: https://sirui-xu.github.io/DuMMF