PISEP^2：基于伪图像序列演化的3D姿态预测

姿态预测是指根据先前的一段姿态窗口来预测未来的姿态。在本文中，我们提出了一种新的问题，即利用3D关节坐标序列来预测姿态。与传统的基于动作捕捉（Mocap）帧的姿态预测不同，该问题由于其简单的传感器数据采集方式，在实际应用中更为便捷。我们还提出了一种新的框架，PISEP^2（基于伪图像序列演化的3D姿态预测），以解决这一新问题。具体而言，我们通过将关节坐标序列转换为图像序列提出了一个骨骼表示方法，该方法可以建模不同关节之间的不同相关性。借助这种基于图像的骨骼表示，我们将姿态预测建模为图像序列的演化过程。此外，我们提出了一种新颖的推理网络，通过非递归方式解耦解码器，一步预测所有未来姿态。与递归的序列到序列模型相比，我们的方法可以显著提高计算效率并避免误差累积。我们在两个基准数据集（如G3D和FNTU）上进行了广泛的实验。实验结果表明，所提出的算法在这两个数据集上均达到了最先进的性能，证明了我们方法的有效性。