不确定性感知的人体运动预测
计算机视觉与模式识别
2021-07-09 v1
摘要
人体运动预测对于人体运动分析和人机交互等任务至关重要。现有多数方法被提出以实现运动预测。然而，它们忽略了一项重要任务，即预测结果质量的评估。在实际场景中，当前方法还远远不够，因为若无预测评估，人们无法知道如何与机器交互，且不可靠的预测可能误导机器伤害人类。因此，我们提出一种用于人体运动预测的不确定性感知框架（UA-HMP）。具体地，我们首先通过高斯建模设计不确定性感知预测器，以实现预测运动的值与不确定性。随后，提出一种不确定性引导学习方案来量化不确定性并降低优化过程中噪声样本的负面影响，从而获得更好性能。我们提出的框架易于与当前 SOTA 基线结合，以轻微参数增量克服其在不确定性建模上的弱点。大量实验也表明，在 H3.6M、CMU-Mocap 上，它们能在短期和长期预测中均取得更好性能。
引用
@article{arxiv.2107.03575,
title = {Uncertainty-aware Human Motion Prediction},
author = {Pengxiang Ding and Jianqin Yin},
journal= {arXiv preprint arXiv:2107.03575},
year = {2021}
}