Jun, 2019

PVRED: 一种用于人体动作预测的位置 - 速度循环编码器解码器

PDF
TL;DR本文提出了一种基于位置 - 速度递归编码器 - 解码器（PVRED）的方法，结合了姿态速度和时间位置信息，通过骨架旋转参数和鲁棒的损失函数进行训练和预测，能够实现短期和长期的人体运动预测，并在多个基准测试中展现出优于其他最先进方法的性能。
human motion predictionrecurrent neural networkstemporal relationquaternion transformationlong-term prediction
发现论文，激发创造
  • 人类动态的循环网络模型

    提出了一种名为 ERD 模型的循环神经网络，用于识别和预测视频和动作捕捉中的人体姿势，在运动捕捉、人体姿态标记和视频姿态预测方面均表现优秀，并且代表了时空视觉领域的重要特点。

    Aug, 2015

  • 学习运动轨迹依赖关系进行人体动作预测

    本文提出了一种基于前馈深度网络的预测人体运动的方法，通过在运动轨迹空间而非传统的姿态空间中编码时间信息，同时使用通用的图卷积网络自动学习人体姿势的空间依赖关系，从而实现了超越以往人体运动预测方法的性能。

    Aug, 2019

  • 基于四元数的循环人体动作模型

    本研究利用深度學習方法中的循環神經網路，使用四元數表示旋轉矩陣，並在預測人體姿勢時，通過直接避免產生角度誤差而避免骨骼伸展和無效配置。在短期預測上，QuaterNet 方法可以量化地提高所得到的結果，而在長期模擬方面，本研究方法的效果與近期的網路策略相當。

    May, 2018

  • 基于循环神经网络的人体动作预测

    本文旨在研究人体运动建模领域的前沿研究，特别关注基于深度递归神经网络的研究成果，对当前问题的评价方法进行了调查，在研究现有的体系结构、代价函数和训练程序时，提出了三点标准改进措施，取得了最新技术的突破性进展。

    May, 2017

  • PVEs: 无监督学习结构化状态表示的位置速度编码器

    本研究提出了一种能够将图片编码成对于任务相关对象的位置和速度的位置 - 速度编码器（PVEs），并使用物理世界交互的先验知识对其进行非监督学习，最终将其应用于像素的几个模拟控制任务并取得了有前途的预备成果。

    May, 2017

  • 基于四元数神经网络的人体运动建模

    通过使用 quaternions 表示旋转，使用前向运动学来惩罚绝对位置误差，同时比较 quaternions 和 Euler 角的性能，我们提出了一种新方法 --QuaterNet，用于预测和生成 3D 人体姿势序列。经过实验证明这种方法在短期和长期预测和生成任务中都取得了良好的效果，相比于人体图像学界最新的神经策略，我们的方法被评估为非常逼真。此外，我们还发现，Human3.6M 的标准评估协议产生了高方差结果，提出了简单的解决方案。

    Jan, 2019

  • 上下文感知的人体动作预测

    本文利用语义图模型和图注意力层来建立上下文感知体系结构，旨在正确建模人类行为中的对象和人际互动以提高人类运动的预测准确性。通过在全身人类动作数据库上进行的彻底评估，论文显示出模式的优越性。

    Apr, 2019

  • 回到 MLP：人体动作预测的简单基线

    本研究提出了一种轻量级的人体运动预测网络 “siMLPe”，结合了多层感知器、离散余弦变换、关节残差位移预测和速度辅助损失优化等简单方法，且具有仅有 0.14 万个参数和超过三个基准数据集的卓越表现，成为该领域的强基准。

    Jul, 2022

  • Pose Transformers（POTR）：使用非自回归 Transformer 进行人体动作预测

    该研究提出使用 Transformer 建模实现非自回归人体运动预测，采用串行解码替代基于先前预测的循环神经网络，实现了在序列中并行解码。该方法在短期预测方面具有较高的竞争力。

    Sep, 2021

  • 社交和情境感知的人体运动和姿势预测

    本文提出了一种新的框架来处理机器人导航中预测人类动态的问题，该框架将人类运动（或轨迹）和骨骼姿态预测这两个任务统一起来，并考虑到了场景和社交上下文等多种因素，最终在两个社交数据集上表现优异。

    Jul, 2020