摘要
任意时刻三维人体姿态预测在实现同步真实世界人机交互中具有关键作用，其中“任意时刻”指在任意实数值时间步长上进行人体姿态预测。然而，据我们所知，现有的所有姿态预测方法均仅能在预设的离散时间间隔上进行预测。为此，本文提出 AnyPose，一种轻量级的连续时间神经架构，通过神经微分方程（Neural Ordinary Differential Equations, Neural ODEs）建模人体行为动态。我们在 Human3.6M、AMASS 和 3DPW 数据集上验证了所提框架的有效性，并对现有方法进行了系统性对比分析，深入探讨了人体姿态预测与神经微分方程之间的交叉关系。实验结果表明，AnyPose 在预测未来姿态方面展现出优异的准确性，同时在求解任意时刻预测任务时，计算耗时显著低于传统方法。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| human-pose-forecasting-on-3dpw | AnyPose1 | Average MPJPE (mm) 1000 msec: 84.4 |
| human-pose-forecasting-on-amass | AnyPose1 | Average MPJPE (mm) 1000 msec: 91.7 |
| human-pose-forecasting-on-human36m | AnyPose1 | Average MPJPE (mm) @ 1000 ms: 128.2 Average MPJPE (mm) @ 400ms: 80.6 |