面向任意运动完成的层次连续表示
计算机视觉与模式识别
2025-12-25 v1
摘要
物理运动本质上是连续的，更高的摄像机帧率通常有助于提高平滑度和时序一致性。首次我们探索人类运动序列的连续表示，支持任意帧率的插值、中间帧生成乃至外推。为实现此目标，我们提出一种基于隐式神经表示（INRs）的 novel 参数化激活引导的层次隐式表示框架，称为NAME。该方法引入层次时间编码机制，从多个时间尺度提取运动序列特征，有效捕捉复杂时序模式。此外，我们将基于傅里叶变换的自定义参数化激活函数集成到基于MLP的解码器中，以增强连续表示的表达能力。这种参数化公式显著提升了模型表示复杂运动行为的精确度。广泛的基准数据集评估表明，我们提出的方法在有效性和鲁棒性方面均表现出色。
引用
@article{arxiv.2512.21183,
title = {Towards Arbitrary Motion Completing via Hierarchical Continuous Representation},
author = {Chenghao Xu and Guangtao Lyu and Qi Liu and Jiexi Yan and Muli Yang and Cheng Deng},
journal= {arXiv preprint arXiv:2512.21183},
year = {2025}
}