PGformer : Proxy-Bridgé Game Transformer pour la Prédiction Extrême des Mouvements à Forte Interaction Multipersonne

La prédiction du mouvement de plusieurs personnes est une tâche complexe, en particulier pour des scénarios réels impliquant des interactions intenses entre les individus. La plupart des travaux précédents se sont concentrés sur l'étude de cas d'interactions faibles (par exemple, marcher ensemble), où la prédiction isolée de chaque posture humaine peut encore atteindre de bonnes performances. Cet article se focalise sur la prédiction collaborative du mouvement pour plusieurs personnes effectuant des mouvements extrêmes et tente d'explorer les relations entre les trajectoires de postures de ces individus hautement interactifs. Plus précisément, un nouveau module d'attention croisée inter-requêtes (XQA) est proposé pour apprendre bilatéralement les dépendances croisées entre deux séquences de postures adaptées à cette situation. Une unité intermédiaire est également introduite pour relier les personnes concernées, qui collabore avec notre module XQA proposé et contrôle subtilement les flux d'informations spatiales bidirectionnels. Ces conceptions sont ensuite intégrées dans une architecture basée sur le Transformer, et le modèle résultant est appelé Proxy-bridged Game Transformer (PGformer) pour la prédiction du mouvement interactif de plusieurs personnes. Son efficacité a été évaluée sur l'ensemble de données ExPI, qui implique des actions hautement interactives. Notre PGformer surpassent constamment les méthodes de pointe actuelles, tant pour les prédictions à court terme que pour celles à long terme, avec une marge importante. De plus, notre approche est également compatible avec les ensembles de données CMU-Mocap et MuPoTS-3D, qui impliquent des interactions faibles, et peut être étendue au cas de plus de deux individus avec des résultats encourageants.