Personalized Pose Forecasting

要約

人間の姿勢予測は、過去の人間の動きを考慮して、関節で表現された人間の動きを予測するタスクです。
人間の姿勢予測を実行するさまざまなモデルを評価する一般的なベンチマークが多数存在します。
これらのベンチマークは、配送ロボットなどの人間と対話するシステムが、長期間にわたって同じ人の動きを観察し、計画することを反映していません。
すべての人は、独自の異なる動作パターンを持っています。
ただし、これは、特定の個人ではなく平均的な人間の動きを予測するモデルの能力を評価する既存のベンチマークには反映されていません。
人間の動作予測問題を再定式化し、モデルに依存しないパーソナライゼーション手法を提示します。
動き予測のパーソナライゼーションは、ニューラル ネットワークの姿勢予測をパーソナライズするローパラメトリック時系列分析モデルを利用することで、オンラインで効率的に実行できます。

要約(オリジナル)

Human pose forecasting is the task of predicting articulated human motion given past human motion. There exists a number of popular benchmarks that evaluate an array of different models performing human pose forecasting. These benchmarks do not reflect that a human interacting system, such as a delivery robot, observes and plans for the motion of the same individual over an extended period of time. Every individual has unique and distinct movement patterns. This is however not reflected in existing benchmarks that evaluate a model’s ability to predict an average human’s motion rather than a particular individual’s. We reformulate the human motion forecasting problem and present a model-agnostic personalization method. Motion forecasting personalization can be performed efficiently online by utilizing a low-parametric time-series analysis model that personalizes neural network pose predictions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google