基于骨架先验的两人交互动作增强
计算机视觉与模式识别
2024-04-11 v2
摘要
具有丰富接触的亲密且持续的交互是人类活动（如拥抱、跳舞）的关键方面，在动作识别、运动预测、角色动画等众多领域备受关注。然而，获取此类骨架运动数据极具挑战性。直接动作捕捉既昂贵又缓慢，而运动编辑/生成也并非易事，因为必须保留具有拓扑和几何约束的复杂接触模式。为此，我们提出了一种新的用于双体骨架交互运动增强的深度学习方法，该方法能够生成具有不同体型和比例的富接触交互变体，同时保留两具身体之间的关键几何/拓扑关系。我们的系统能够从相对较少的数据中有效学习，并泛化至差异极大的骨架尺寸。通过详尽的评估与比较，我们表明该方法能够生成高质量运动，具有强大的泛化能力，并优于传统的基于优化的方法和替代的深度学习方案。
引用
@article{arxiv.2404.05490,
title = {Two-Person Interaction Augmentation with Skeleton Priors},
author = {Baiyi Li and Edmond S. L. Ho and Hubert P. H. Shum and He Wang},
journal= {arXiv preprint arXiv:2404.05490},
year = {2024}
}