Apr, 2023

深度状态空间建模：用于可解释的专业人体姿势表达、分析和生成

PDF
TL;DR通过引入三种新方法，我们将全身运动形式化为动态系统的状态空间模型，利用深度学习和统计算法估计参数。这些表示遵循手势操作模型（GOM）的结构，描述了通过时空假设的运动。这些方法用于人类运动的精确生成和专业运动的身体灵活性分析。
human movementsdeep learningstate-space modelexplainable representationskalman filters
发现论文，激发创造
  • HumMUSS: 使用状态空间模型进行人体动作理解

    基于状态空间模型，我们提出了一种新颖的无注意力空间时间模型，用于人体运动理解，兼具离线和实时应用的功能，并在各种动作理解任务中达到了变压器模型的性能水平。

    Apr, 2024

  • 深度表示学习用于人类动作预测和分类

    本研究提出一个基于深度学习的人体动作捕捉数据的通用模型，学习自大量的捕捉数据中，并成功应用于人体动作特征提取、分类和预测，优于现有最新技术，具有普遍性。

    Feb, 2017

  • 如何移动：使用系统动力学对人类运动建模

    本研究提出一种新方法，即通过学习决策模型和整合系统动力学来模拟人类运动的状态转移，其中使用生成对抗学习来学习人类运动，并在学习过程中集成了系统动力学的随机性约束。实验结果表明，该方法可以生成类似于现实世界的轨迹，并在预测下一个位置和生成长期的未来轨迹方面优于现有技术。

    Mar, 2020

  • 生成平滑的姿势序列以进行多样化的人体动作预测

    本文中提出了一种统一的深度生成网络，用于多样化和可控的人体运动预测，该网络基于正则化流姿势先验和关节角损失函数，能够有效地提高模型的准确性和样本多样性。

    Aug, 2021

  • 基于长时程建模的人体运动时空流形学习

    本研究提出了一种基于深度学习的数据驱动建模方法，利用自然运动流形来处理人类运动中存在的多模态时空相关性及骨骼信息提取问题，并在多个应用场景中获得了优异的结果。

    Aug, 2019

  • 基于姿态的深度步态识别

    本文提出了一种基于姿态的卷积神经网络模型，用于人体步态识别，利用肢节周围区域的动作信息和光流法提取特征，实验证明该方法的效果超过现有技术水平。

    Oct, 2017

  • LatentHuman：人体形态和姿势分离的潜在表征

    本文提出了一种基于运动学模型的神经隐式表示方法，可以同时处理人体的形状和姿态，实现了更好的三维重建效果和任务控制能力。

    Nov, 2021

  • 我们不仅仅是我们的关节：预测 3D 身体如何运动

    本文提出了一种基于稀疏表面标记预测人体运动的方法，通过 MOJO 模型生成高频成分的动画，使用 SMPL-X 模型保证解决方案符合身体的真实形态，并取得了最先进的结果。

    Dec, 2020

  • 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

  • 快慢行进的变化：语音导向手势生成中的表征和后处理分析

    本文提出了一种新颖的基于语音驱动的手势生成框架，可用于虚拟代理以增强人机交互，并通过深度学习和表示学习，对不同输入输出的网络提供了客观和主观的评估以及消除运动抖动的后处理措施。

    Jul, 2020