MLPへの復帰：人間の動作予測のための単純な基準モデル

本論文は、人間の動作予測という問題に取り組んでおり、これは過去に観測されたシーケンスから将来の身体姿勢を予測することを目的としています。最先端の手法は良好な結果を提供していますが、それらはリカレントニューラルネットワーク（RNN）、トランスフォーマー、グラフ畳み込みネットワーク（GCN）などの任意の複雑さを持つ深層学習アーキテクチャに依存しており、通常複数のトレーニングステージと200万以上のパラメータが必要です。本論文では、離散コサイン変換（DCT）の適用、関節の残差移動量の予測、速度を補助損失として最適化するといった一連の標準的な手法と組み合わせることで、多層パーセプトロン（MLP）に基づく軽量ネットワーク（約14万パラメータ）が最先端の性能を超えることを示します。Human3.6M、AMASS、3DPWデータセットでの詳細な評価により、当社の方法であるsiMLPeが他のすべての手法を一貫して上回ることが確認されました。私たちはこの単純な方法がコミュニティにとって強力なベースラインとなり、人間の動作予測問題に対する再考を促すことを期待しています。コードは公開されており、以下のURLからアクセスできます: \url{https://github.com/dulucas/siMLPe}。