BriefGPT - AI 论文速递
·
HOIMotion: 使用自我中心的 3D 物体边界框预测人与物体交互中的人体动作
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
HOIMotion是一种利用过去的人体姿势和视角3D物体边界框信息进行人体运动预测的方法。通过编码器-残差图卷积网络和多层感知器从姿势和物体特征中提取特征，将姿势和物体特征融合成新颖的姿势-物体图，并使用残差解码器图卷积网络预测未来的人体运动。HOIMotion在关节位置误差平均值方面显著改进，预测姿势更精确和逼真。视角3D物体边界框对人体运动预测具有重要信息内容，HOIMotion方法有效。
🎯
关键要点
- HOIMotion是一种利用过去的人体姿势和视角3D物体边界框信息进行人体运动预测的方法。
- 该方法通过编码器-残差图卷积网络和多层感知器提取姿势和物体特征。
- 姿势和物体特征融合成新颖的姿势-物体图，使用残差解码器图卷积网络预测未来的人体运动。
- HOIMotion在关节位置误差平均值方面相较于最先进的方法取得了显著改进，分别为8.7%（ADT）和7.2%（MoGaze）。
- 一项人类研究表明，HOIMotion预测的姿势被认为比现有方法更精确和逼真。
- 视角3D物体边界框对人体运动预测具有重要信息内容，HOIMotion方法有效利用了该信息。
➡️
