論文の概要: Towards Accurate Human Motion Prediction via Iterative Refinement

• arxiv url: http://arxiv.org/abs/2305.04443v1
• Date: Mon, 8 May 2023 03:43:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 15:45:15.072239
• Title: Towards Accurate Human Motion Prediction via Iterative Refinement
• Title（参考訳）: イテレーティブリファインメントによる人間の動作予測の精度向上に向けて
• Authors: Jiarui Sun, Girish Chowdhary
• Abstract要約: FreqMRNは人体の運動構造と運動の時間的滑らかさの両方を考慮に入れている。 我々は,Human3.6M,AMASS,3DPWなど,いくつかの標準ベンチマークデータセット上でFreqMRNを評価する。
• 参考スコア（独自算出の注目度）: 9.910719309846128
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 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.
• Abstract（参考訳）: 人間の動き予測は、過去の人間の動き軌跡が与えられた後続のポーズシーケンスを予測することを目的としている。 そこで本研究では,人体の運動構造と運動の時間的平滑性を考慮した人間の運動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、過度に長い動き入力による不正確な動き予測を避けるために、モーションアテンションモジュールを使用して、まず固定サイズの動き履歴サマリーを生成する。 そこでFreqMRNは,空間的時間的認識,速度的認識,大域的平滑性認識の損失によって,動きの表現をポーズ空間と周波数空間の間で前後に変換する動き改善モジュールを提案する。 我々は,Human3.6M,AMASS,3DPWなどの標準ベンチマークデータセット上でFreqMRNを評価する。 実験結果から,FreqMRNは短期および長期の予測において,従来手法よりも優れた強靭性を示した。

関連論文リスト

• MotionWavelet: Human Motion Prediction via Wavelet Manifold Learning [57.078168638373874]
  MotionWaveletは、空間周波数領域における人間の動きパターンを研究する人間の動き予測フレームワークである。 ウェーブレット拡散モデルでは、動作データにウェーブレット変換を適用することでウェーブレット多様体を学習する。 ウェーブレット空間形状誘導機構は、デノナイジングプロセスを洗練し、多様体構造との整合性を改善する。
  論文  参考訳（メタデータ） (2024-11-25T22:09:19Z)
• MDMP: Multi-modal Diffusion for supervised Motion Predictions with uncertainty [7.402769693163035]
  本稿では,運動予測のための多モード拡散モデルを提案する。 骨格データと行動のテキスト記述を統合し、定量性のある不確実性を伴う洗練された長期動作予測を生成する。 我々のモデルは、長期動作を正確に予測する上で、既存の生成技術よりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-10-04T18:49:00Z)
• AdvMT: Adversarial Motion Transformer for Long-term Human Motion Prediction [2.837740438355204]
  本稿では,AdvMT(Adversarial Motion Transformer)について述べる。 逆行訓練では,予測の不要な成果物を効果的に削減し,より現実的で流動的な人間の動作の学習を確実にする。
  論文  参考訳（メタデータ） (2024-01-10T09:15:50Z)
• Motion-DVAE: Unsupervised learning for fast human motion denoising [18.432026846779372]
  本研究では,人間の動作の短期的依存を捉えるための動きであるMotion-DVAEを紹介する。 我々は、Motion-DVAEとともに、回帰と最適化に基づくアプローチを統一する教師なし学習型復調手法を導入する。
  論文  参考訳（メタデータ） (2023-06-09T12:18:48Z)
• 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)
• Human Motion Prediction Using Manifold-Aware Wasserstein GAN [4.771549505875783]
  我々は,人間の運動の時間的および空間的依存性を捉える多様体認識ワッサースタイン生成逆モデルを構築した。 我々のアプローチは、CMU MoCapとHuman 3.6Mデータセットの最先端よりも優れています。
  論文  参考訳（メタデータ） (2021-05-18T17:56:10Z)
• MotionRNN: A Flexible Model for Video Prediction with Spacetime-Varying Motions [70.30211294212603]
  本稿では,空間と時間の両方に連続する時空変動を予測できる新たな次元からビデオ予測を行う。 本研究では,動きの複雑な変動を捉え,時空変化に適応できるMotionRNNフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-03T08:11:50Z)
• 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)
• Motion Prediction Using Temporal Inception Module [96.76721173517895]
  人間の動作を符号化するTIM(Temporal Inception Module)を提案する。 本フレームワークは,異なる入力長に対して異なるカーネルサイズを用いて,畳み込み層を用いて入力埋め込みを生成する。 標準的な動き予測ベンチマークデータセットであるHuman3.6MとCMUのモーションキャプチャデータセットの実験結果から,我々の手法は一貫して技術手法の状態を上回ります。
  論文  参考訳（メタデータ） (2020-10-06T20:26:01Z)
• History Repeats Itself: Human Motion Prediction via Motion Attention [81.94175022575966]
  注意に基づくフィードフォワードネットワークを導入し、人間の動きが自分自身を繰り返す傾向にあるという観察を明示的に活用する。 特に,現在動きのコンテキストと過去の動きのサブシーケンスの類似性を捉えるために,動きの注意を抽出することを提案する。 我々は,Human3.6M,AMASS,3DPWを用いて,周期的および非周期的両方の行動に対するアプローチの利点を実証した。
  論文  参考訳（メタデータ） (2020-07-23T02:12:27Z)

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。