PGformer：面向多人极度互动动作预测的代理桥接游戏 Transformer

Jun, 2023

PGformer：面向多人极度互动动作预测的代理桥接游戏 Transformer

PGformer: Proxy-Bridged Game Transformer for Multi-Person Extremely Interactive Motion Prediction

Yanwen Fang, Chao Li, Jintai Chen, Pengtao Jiang, Yifeng Geng...

TL;DR本文提出了一种名为 PGformer 的简单而有效的端到端框架，通过跨查询注意力机制和代理实体桥接高度互动个体之间的交互关系，实现了多人交互运动的短期和长期预测，并在 ExPI 数据集上表现出明显的优越性。

Abstract

multi-person motion prediction is a challenging task, especially for real-world scenarios of densely interacted persons. Most previous works have been devoted to studying the case of weak interactions (e.g., hand-shaking), which typically forecast each human pose in isolation. In this

multi-person motion prediction cross-query attention proxy entity transformer-based architecture expi dataset

发现论文，激发创造

多范围变压器的多人三维动作预测

我们提出了一种适用于多人 3D 运动轨迹预测的新型框架，使用包含局部范围编码器和全局范围编码器的 Multi-Range Transformers 模型，可以实现不同人之间的社交互动，且在长期运动预测方面优于现有方法，甚至可以自动将人分成不同的互动组以预测 15 人的运动轨迹。

Nov, 2021

多人极端动作预测

本文旨在预测两个互动人物的运动，通过收集一组专业舞蹈者的数据，提出了一种新的跨交互关注机制，在短期和长期预测中都表现出优于单人运动预测的现有方法。

May, 2021

多人动作预测的联合关系变换器

我们提出了关节 - 关系转换器，利用关系信息来增强交互建模和提高未来运动预测的准确性。

Aug, 2023

多人姿势预测的轨迹感知身体交互变换器

本文提出了一种称之为 TBIFormer 的新型多人姿态预测框架，利用社交身体相互作用自我关注机制和轨迹感知相对位置编码来高效地建模身体部位间的交互影响，实验结果表明，在短时和长时预测上，该方法在 CMU-Mocap、MuPoTS-3D 和合成数据集方面，都显著优于现有的其他方法。

Mar, 2023

Human MotionFormer：基于视觉 Transformer 的人类动作转移

本论文提出了一种基于全球和本地感知的分层的 ViT 框架 Human MotionFormer，旨在提高人类运动转移中的特征匹配和运动品质，该方法通过多个块的特征匹配和运动传递，实现了全局特征匹配，进一步引入了卷积层来改善局部感知，实现了平移和生成分支之间的协同监督来训练更好的运动表示，取得了最先进的效果。

Feb, 2023

随机多人三维运动预测

该论文提出了一种新型的人类运动预测任务，针对多人运动、社交交互和关节运动的复杂性，提出了一种模型框架，通过引入可学习的潜在编码来表示未来动作的意图来实现不同层次的独立个体运动和社交交互建模，在多个数据集上得到了显著的多人预测结果，表现显著优于现有技术水平。

Jun, 2023

原型 Transformer 作为统一运动学习器

通过 Prototypical Transformer（ProtoFormer）框架，本研究从原型视角途径多种动作任务。ProtoFormer 通过深思熟虑地考虑动作动态性引入了原型学习与 Transformer 的完美结合。交叉注意力原型化通过基于典型动作模式发现原型，提供了对动作场景的透明理解。同时，潜在同步通过原型引导特征表示学习，有效缓解了动作不确定性问题。实证结果表明，该方法在光流、场景深度等流行的动作任务上取得了有竞争力的性能。此外，它还在物体跟踪和视频稳定等多种应用任务中展现了广泛适用性。

Jun, 2024

利用基于 Transformer 的融合网络探索联合动作协同性用于 3D 人体姿态估计

提出了一种名为 Fusionformer 的方法用于 3D 人体姿态估计任务，通过引入自身轨迹模块、互相轨迹模块和全局空间时间特征以及局部关节轨迹特征的融合，最终通过姿势精炼网络来平衡 3D 投影的一致性，并在两个基准数据集上进行评估，结果表明与基线方法 poseformer 相比，在 Human3.6M 数据集上分别提高了 2.4％的 MPJPE 和 4.3％的 P-MPJPE。

Oct, 2022

直接多视角多人三维姿态估计

该研究提出了一种名为 MvP 的多视角姿态变换器，用于从多视角图像中估计多人的三维姿态，该方法可以直接回归多人三维姿态，并使用几种技术来提高准确性，该模型在多项指标上表现优秀。

Nov, 2021

基于 Transformer 的多模式神经网络用于自动驾驶的运动预测

本文介绍了一种基于 Transformer 结构的神经预测框架来模拟车辆之间的社交关系和预测可能的轨迹，其中采用了多模态注意机制来解决运动预测的多模态问题，并在 Argoverse 运动预测数据集上得到了最佳预测精度。

Sep, 2021