التحريك الوسيطي عبر معالج عميقة $Δ$-مُعدّل

نُظهر أن مهمة توليد الحركة البشرية المشروطة على مجموعة من الإطارات الرئيسية يمكن حلها بدقة وأكثر كفاءة إذا عمل مُعدّل تعتمد على التعلم العميق في الوضع التفاضلي (الوضع Δ)، باستخدام مُعدّل التداخل الخطي الكروي كأساس. ونُثبت تجريبيًا قوة نهجنا على مجموعات بيانات متاحة للعامة، حيث حقق أداءً يُعدّ من أفضل الأداءات المُحققة حتى الآن. ونُعمّق هذه النتائج من خلال إظهار أن نموذج الوضع Δ يُعدّ عمليًا بالنسبة إلى الإطار الأخير المعروف (الذي يُعرف أيضًا بنموذج السرعة الصفرية). وهذا يدعم الاستنتاج الأعمّ بأن العمل ضمن الإطار المرجعي المحلي المُرتبط بالإطارات المدخلة يكون أكثر دقة وموثوقية من العمل ضمن الإطار المرجعي العالمي (العالمي) الذي اقترحه العمل السابق. يُمكن الوصول إلى الكود الخاص بنا بشكل عام عبر الرابط: https://github.com/boreshkinai/delta-interpolator.