3 个月前

基于意图的长期人类运动预测

基于意图的长期人类运动预测

摘要

近期,已有若干研究致力于建模未来人类运动的不确定性。这些方法并非仅预测单一运动序列,而是针对同一观测输入生成多个可能的运动序列。尽管此前工作主要关注提升预测结果的多样性,本研究则聚焦于在长达30秒的超长预测时域下,依然保持预测序列的高质量。为实现这一目标,我们提出提前预测个体的运动意图。该方法的优势在于:生成的人体运动始终具有目标导向性,且在不同动作之间的过渡自然流畅,具有高度的真实性。此外,我们还提出了一种新的质量评估指标,其与人类主观感知的相关性优于现有各类度量标准。实验结果及用户研究表明,相较于当前最先进的方法,本方法所生成的多序列预测在合理性方面显著更优。

基准测试

基准方法指标
human-pose-forecasting-on-human36mForecast LSTM
APD: 3070
Average MPJPE (mm) @ 1000 ms: 149.2
Average MPJPE (mm) @ 400ms: 80.8
Average NDMS at 4s : 0.465
MAR, walking, 400ms: 0.91

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于意图的长期人类运动预测 | 论文 | HyperAI超神经