多人动作预测的联合关系变换器
原文中文,约200字,阅读约需1分钟。发表于: 。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。
本文介绍了一种基于Transformer的新型架构,用于生成3D人体运动模型。该模型通过学习高维度骨骼关节的嵌入,并通过解耦的时间和空间自注意机制,使生成的姿态在时间上连贯。实验结果表明,该模型能够准确地生成短期预测,并在长期时间跨度内生成合理的运动序列。
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。
本文介绍了一种基于Transformer的新型架构,用于生成3D人体运动模型。该模型通过学习高维度骨骼关节的嵌入,并通过解耦的时间和空间自注意机制,使生成的姿态在时间上连贯。实验结果表明,该模型能够准确地生成短期预测,并在长期时间跨度内生成合理的运动序列。