論文の概要: GlocalNet: Class-aware Long-term Human Motion Synthesis
- arxiv url: http://arxiv.org/abs/2012.10744v1
- Date: Sat, 19 Dec 2020 17:50:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 13:08:52.031725
- Title: GlocalNet: Class-aware Long-term Human Motion Synthesis
- Title（参考訳）: GlocalNet: クラスを意識した長期人間の動作合成
- Authors: Neeraj Battan, Yudhik Agrawal, Veeravalli Saisooryarao, Aman Goel and
Avinash Sharma
- Abstract要約: ポーズ間の長期的時間的依存関係、ポーズ間の周期的反復、ポーズ間の双方向およびマルチスケールの依存関係、行動の変動速度、および人間の活動の複数のクラス/タイプにまたがる時間的ポーズ変動の空間が部分的に重なり合うため、長期的人間の動作合成は難しい課題である。
本稿では,この目標を達成するための2段階のアクティビティ生成手法を提案する。第1段階は,活動系列の長期的グローバルなポーズ依存性を学習し,スパース動作軌跡を合成し,第2段階は第1段階の出力を取り入れた濃密な動き軌跡の生成に対処する。
- 参考スコア（独自算出の注目度）: 2.9223917785251285
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Synthesis of long-term human motion skeleton sequences is essential to aid
human-centric video generation with potential applications in Augmented
Reality, 3D character animations, pedestrian trajectory prediction, etc.
Long-term human motion synthesis is a challenging task due to multiple factors
like, long-term temporal dependencies among poses, cyclic repetition across
poses, bi-directional and multi-scale dependencies among poses, variable speed
of actions, and a large as well as partially overlapping space of temporal pose
variations across multiple class/types of human activities. This paper aims to
address these challenges to synthesize a long-term (> 6000 ms) human motion
trajectory across a large variety of human activity classes (>50). We propose a
two-stage activity generation method to achieve this goal, where the first
stage deals with learning the long-term global pose dependencies in activity
sequences by learning to synthesize a sparse motion trajectory while the second
stage addresses the generation of dense motion trajectories taking the output
of the first stage. We demonstrate the superiority of the proposed method over
SOTA methods using various quantitative evaluation metrics on publicly
available datasets.
- Abstract（参考訳）: Augmented Reality, 3Dキャラクタアニメーション, 歩行者軌道予測などに適用可能な, 人間中心のビデオ生成を支援するためには, 長期人間の骨格配列の合成が不可欠である。
ポーズ間の長期的時間的依存関係、ポーズ間の周期的反復、ポーズ間の双方向およびマルチスケールの依存関係、行動の変動速度、および人間の活動の複数のクラス/タイプにまたがる時間的ポーズ変動の空間が部分的に重なり合うため、長期的人間の動作合成は難しい課題である。
本稿では,多種多様な活動クラス (>50) において,長期的(6000ms以下)人間の運動軌跡を合成する課題を解決することを目的とする。
本稿では,この目標を達成するための2段階のアクティビティ生成手法を提案する。第1段階は,活動系列の長期的グローバルなポーズ依存性を学習し,スパース動作軌跡を合成し,第2段階は第1段階の出力を取り入れた濃密な動き軌跡の生成に対処する。
公開されているデータセットの様々な定量的評価指標を用いて,SOTA法よりも提案手法の方が優れていることを示す。
関連論文リスト
- Length-Aware Motion Synthesis via Latent Diffusion [7.53305437064932]
そこで本研究では,テキスト記述子から長さ認識型3次元人間の動作系列を生成する問題について紹介する。
可変目標長の運動を合成する新しいモデルを提案し,これをLength-Aware Latent Diffusion (LADiff) と呼ぶ。
LADiff は新しい2つのモジュールから構成される: 1) 長さ依存の潜伏符号を用いた動き表現を学習する長さ認識変分自動エンコーダ; 2) 所望の目標列長とともに増加する細部豊かな動きを生成する長さ変換潜伏拡散モデル。
論文 参考訳（メタデータ） (2024-07-16T09:30:57Z) - Multi-agent Long-term 3D Human Pose Forecasting via Interaction-aware Trajectory Conditioning [41.09061877498741]
本稿では,対話型トラジェクトリ条件付き長期マルチエージェントヒューマンポーズ予測モデルを提案する。
本モデルは,人間の動作の多モード性と長期多エージェント相互作用の複雑さを効果的に扱う。
論文 参考訳（メタデータ） (2024-04-08T06:15:13Z) - Task-Oriented Human-Object Interactions Generation with Implicit Neural
Representations [61.659439423703155]
TOHO: 命令型ニューラル表現を用いたタスク指向型ヒューマンオブジェクトインタラクション生成
本手法は時間座標のみでパラメータ化される連続運動を生成する。
この研究は、一般的なヒューマン・シーンの相互作用シミュレーションに向けて一歩前進する。
論文 参考訳（メタデータ） (2023-03-23T09:31:56Z) - Towards Diverse and Natural Scene-aware 3D Human Motion Synthesis [117.15586710830489]
本研究では,ターゲットアクションシーケンスの誘導の下で,多様なシーンを意識した人間の動作を合成する問題に焦点をあてる。
この因子化スキームに基づいて、各サブモジュールが1つの側面をモデリングする責任を負う階層的なフレームワークが提案されている。
実験の結果,提案手法は,多様性と自然性の観点から,従来の手法よりも著しく優れていた。
論文 参考訳（メタデータ） (2022-05-25T18:20:01Z) - 3D Skeleton-based Human Motion Prediction with Manifold-Aware GAN [3.1313293632309827]
本研究では,3次元骨格を用いた人体動作予測の新しい手法を提案する。
我々は,人間の運動の時間的および空間的依存を捉える,多様体を意識したワッサーシュタイン生成逆数モデルを構築した。
CMU MoCapとHuman 3.6Mデータセットで実験が行われた。
論文 参考訳（メタデータ） (2022-03-01T20:49:13Z) - Investigating Pose Representations and Motion Contexts Modeling for 3D
Motion Prediction [63.62263239934777]
歴史的ポーズシーケンスから人間の動きを予測することは、機械が人間と知的な相互作用を成功させるために不可欠である。
本研究では,様々なポーズ表現に関する詳細な研究を行い,その動作予測課題に対する効果に着目した。
AHMR(Attentive Hierarchical Motion Recurrent Network)と呼ばれる新しいRNNアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-12-30T10:45:22Z) - Scene-aware Generative Network for Human Motion Synthesis [125.21079898942347]
シーンと人間の動きの相互作用を考慮した新しい枠組みを提案する。
人間の動きの不確実性を考慮すると、このタスクを生成タスクとして定式化する。
我々は、人間の動きと文脈シーンとの整合性を強制するための識別器を備えた、GANに基づく学習アプローチを導出する。
論文 参考訳（メタデータ） (2021-05-31T09:05:50Z) - Learning Multiscale Correlations for Human Motion Prediction [10.335804615372629]
本研究では、人体成分間の相関を捕捉する新しいマルチスケールグラフ畳み込みネットワーク(MGCN)を提案する。
ヒューマンモーション予測のための2つの標準ベンチマークデータセットに対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-03-19T07:58:16Z) - Long Term Motion Prediction Using Keyposes [122.22758311506588]
長期的な予測を達成するには、瞬時に人間のポーズを予測する必要があると論じている。
このようなポーズを「キーポス」と呼び、後続のキーポスを線形に補間して近似する複素運動と呼ぶ。
このようなキープレースのシーケンスを学習することで,将来的には最大5秒まで,非常に長期にわたる動作を予測できることが示される。
論文 参考訳（メタデータ） (2020-12-08T20:45:51Z) - Hierarchical Style-based Networks for Motion Synthesis [150.226137503563]
本研究では,特定の目標地点を達成するために,長距離・多種多様・多様な行動を生成する自己指導手法を提案する。
提案手法は,長距離生成タスクを階層的に分解することで人間の動作をモデル化する。
大規模な骨格データから, 提案手法は長距離, 多様な, もっともらしい動きを合成できることを示す。
論文 参考訳（メタデータ） (2020-08-24T02:11:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。