摘要
本文提出了一种新颖的运动学与轨迹先验知识增强的变压器模型（Kinematics and Trajectory Prior Knowledge-Enhanced Transformer，简称KTPFormer），该模型克服了现有基于变压器的三维人体姿态估计方法中Q、K、V向量在自注意力机制中的推导仅依赖于简单线性映射的弱点。我们提出了两种先验注意力模块，即运动学先验注意力模块（Kinematics Prior Attention，简称KPA）和轨迹先验注意力模块（Trajectory Prior Attention，简称TPA），以利用已知的人体解剖结构和运动轨迹信息，促进多头自注意力机制中全局依赖关系和特征的有效学习。KPA通过构建运动学拓扑来建模人体内的运动学关系，而TPA则通过构建轨迹拓扑来学习跨帧的关节运动轨迹信息。这两种模块生成带有先验知识的Q、K、V向量，使得KTPFormer能够同时建模空间和时间相关性。在三个基准数据集（Human3.6M、MPI-INF-3DHP和HumanEva）上进行的大量实验表明，KTPFormer相比现有最先进方法表现出优越的性能。更重要的是，我们的KPA和TPA模块具有轻量级插件设计，可以集成到各种基于变压器的网络（例如扩散型网络）中，在计算开销增加非常小的情况下显著提升性能。代码可在以下地址获取：https://github.com/JihuaPeng/KTPFormer。