BriefGPT - AI 论文速递
·
图卷积序列块的多尺度残差学习用于人体动作预测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种多阶段框架，用于人体动作预测。通过预测过渡姿势和重建片段，生成接近真实运动序列的预测输出。实验证明了该方法的有效性。
🎯
关键要点
-
现有图卷积网络在人体动作预测中多采用一步方案，未充分利用运动模式。
-
人体运动具有过渡模式，可以分解为代表每个过渡的片段。
-
提出了一种片段到运动的多阶段框架，将运动预测分解为子任务。
-
每个子任务包含过渡姿势预测、片段重建和片段到运动的预测三个模块。
-
首先预测过渡姿势，然后重建相应片段，得到接近真实运动序列的结果。
-
最后对结果进行细化，生成最终的预测输出。
-
提出了一种新颖的统一图建模方法，能够有效传播特征。
-
在Human 3.6M、CMU Mocap和3DPW数据集上进行了大量实验，证明了方法的有效性和先进性能。
➡️
