通过迭代细化实现准确的人体运动预测
计算机视觉与模式识别
2023-05-09 v1 机器学习
摘要
人体运动预测旨在给定过去的人体运动轨迹，预测接下来的姿态序列。为解决该问题，本文提出 FreqMRN，一种同时考虑人体运动学结构与运动时间平滑性的姿态预测框架。具体而言，FreqMRN 首先利用运动注意力模块生成固定长度的运动历史摘要，有助于避免因过长运动输入导致的不准确预测。随后，在提出的空间-时间感知、速度感知与全局平滑感知损失监督下，FreqMRN 通过提出的运动细化模块在姿态空间与频率空间之间来回转换运动表示，从而迭代细化预测运动。我们在多个标准基准数据集（包括 Human3.6M、AMASS 与 3DPW）上评估 FreqMRN。实验结果表明，FreqMRN 在短期与长期预测上均以大幅优势超越以往方法，并展现出卓越的鲁棒性。
引用
@article{arxiv.2305.04443,
title = {Towards Accurate Human Motion Prediction via Iterative Refinement},
author = {Jiarui Sun and Girish Chowdhary},
journal= {arXiv preprint arXiv:2305.04443},
year = {2023}
}