-
题名基于扩散概率模型的去噪预测网络预测人体运动
- 1
-
-
作者
王婷玉
谢文军
王冬
李琳
刘晓平
-
机构
合肥工业大学计算机与信息学院
合肥工业大学软件学院
合肥工业大学工业安全与应急技术安徽省重点实验室
-
出处
《小型微型计算机系统》
北大核心
2025年第4期883-891,共9页
-
基金
国家自然科学基金面上项目(62277014)资助
安徽省重点研究与开发计划项目(2022f04020006)资助
中央高校基本科研业务费专项资金项目(PA2023GDSK0047)资助.
-
文摘
近年来,深度学习方法在人体运动预测方面取得了良好的进展,目前单一阶段方法在预测的准确性和多样性上仍存在改进空间,而采用多阶段方式则导致难以端到端预测.为此,本文提出了一种基于扩散概率模型的去噪预测网络,旨在以端到端的方式去预测出准确多样的人体运动.其中提出了一个基于Transformer的模块,包含一个无softmax的修正线性自注意力,提升了人体运动预测的准确性.此外,本文还提出了一种基于DPM-Solver++的扩散模型采样策略,预测出更加连续和多样性的人体运动姿态序列,并将预测出同一质量人体运动姿态序列的采样时间缩减至一半以下.最后,将本文方法在两个标准数据集Human3.6M和HumanEva-I上进行充分评估.实验结果表明,本文方法优于最先进的单一阶段的方法.
-
关键词
人体运动预测
扩散概率模型
去噪预测网络
修正线性自注意力
DPM-Solver++
-
Keywords
human motion prediction
diffusion probability model
denoising prediction network
rectified linear self-attention
DPM-Solver++
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
