Towards Accurate Human Motion Prediction via Iterative Refinement

要約

タイトル：反復改良を通じた正確な人間の動き予測に向けて

要約：
– 人間の動き予測は、過去の人間の動き軌跡が与えられた時、今後の姿勢のシーケンスを予測することを目的とする。
– この問題に対処するため、本研究では、人間の身体の運動学的構造と運動の時間的滑らかさの両方を考慮した人間の動き予測フレームワークであるFreqMRNを提案する。
– 具体的には、FreqMRNは、まずモーションアテンションモジュールを使用して固定サイズのモーション履歴の要約を生成し、過剰に長いモーション入力による不正確なモーション予測を回避します。
– 次に、提案された空間的-時間的感知、速度感知、グローバル-滑らかさ感知の損失によって指導されるMotion Refinement Moduleによって、FreqMRNは予測されたモーションを反復的に改善します。
– 最後に、モーション表現をポーズ空間と周波数空間の間で変換することで、予測モーションを改良します。
– FreqMRNは、Human3.6M、AMASS、3DPWなどのいくつかの標準的なベンチマークデータセットで評価されます。
– 実験の結果、短期および長期の予測の両方で、FreqMRNが前の方法よりも大幅に優れており、優れた堅牢性を示していることが示されました。

要約(オリジナル)

Human motion prediction aims to forecast an upcoming pose sequence given a past human motion trajectory. To address the problem, in this work we propose FreqMRN, a human motion prediction framework that takes into account both the kinematic structure of the human body and the temporal smoothness nature of motion. Specifically, FreqMRN first generates a fixed-size motion history summary using a motion attention module, which helps avoid inaccurate motion predictions due to excessively long motion inputs. Then, supervised by the proposed spatial-temporal-aware, velocity-aware and global-smoothness-aware losses, FreqMRN iteratively refines the predicted motion though the proposed motion refinement module, which converts motion representations back and forth between pose space and frequency space. We evaluate FreqMRN on several standard benchmark datasets, including Human3.6M, AMASS and 3DPW. Experimental results demonstrate that FreqMRN outperforms previous methods by large margins for both short-term and long-term predictions, while demonstrating superior robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI