摘要

在本工作中，我们提出了一种名为MotionMixer的高效3D人体姿态预测模型，该模型仅基于多层感知机（MLP）构建。MotionMixer通过顺序混合时空模态，学习3D人体姿态的时空依赖关系。给定一个堆叠的3D人体姿态序列，空间MLP用于提取关节之间的细粒度空间依赖关系；随后，时间MLP建模关节在时间维度上的动态交互。最终，将融合后的时空特征进行聚合与解码，以预测未来的运动轨迹。为校准姿态序列中各时间步的影响权重，我们引入了挤压-激励（Squeeze-and-Excitation, SE）模块。我们在Human3.6M、AMASS和3DPW三个标准数据集上，采用通用的评估协议对方法进行了全面验证。实验结果表明，MotionMixer在各项指标上均达到当前最优性能，同时模型参数量显著更少。代码已开源，地址为：https://github.com/MotionMLP/MotionMixer