基于深度Δ-插值器的运动插值

我们证明，若采用基于深度学习的插值器以球面线性插值（spherical linear interpolation）作为基准，并在Δ（delta）模式下运行，即可更准确、更高效地完成基于一组关键帧的人体运动合成任务。我们在公开可用的数据集上通过实验验证了该方法的优越性，取得了当前最先进的性能表现。此外，我们进一步拓展了上述结果，表明在以最后一个已知帧为参考基准（即零速度模型）的设定下，Δ模式依然具有可行性。这一发现支持了一个更普遍的结论：相较于以往研究中所倡导的全局（世界）参考系，基于输入帧局部参考系进行运算能够获得更高的精度与更强的鲁棒性。相关代码已公开，可访问 https://github.com/boreshkinai/delta-interpolator。