행동 무관한 인간 포즈 예측

인간 동역학의 예측과 전망은 로봇공학, 의료 등 여러 분야에서 유망한 응용 프로그램을 가진 매우 흥미롭지만 도전적인 작업입니다. 최근에는 인간 자세 전망을 위한 여러 방법이 개발되었지만, 이들은 종종 설정에 많은 제약 사항을 도입합니다. 예를 들어, 이전 연구는 단기 또는 장기 예측 중 하나만 집중하면서 다른 하나를 포기했습니다. 또한, 이들은 활동 라벨을 학습 과정의 일부로 포함시키고, 테스트 시에도 이를 요구합니다. 이러한 제한은 실제 상황에서 테스트 시나리오에 대한 활동 관련 주석이 거의 없는 경우에 자세 전망 모델의 사용 범위를 좁게 만듭니다. 본 논문에서는 단기 및 장기 인간 자세 전망을 위한 새로운 행동 무관 방법을 제안합니다. 이를 위해 우리는 인간 동역학의 계층적이고 다중 척도 특성을 모델링하기 위한 새로운 순환 신경망인 삼각주상형 RNN (Triangular-Prism RNN, TP-RNN)을 제안합니다. 우리의 모델은 다양한 시간 척도로 시간적 종속성을 인코딩하여 시간적 인간 자세 시퀀스에 내재된 잠재적인 계층 구조를 포착합니다. 평가를 위해 Human 3.6M 및 Penn Action 데이터셋에서 광범위한 실험을 수행하였으며, 우리의 방법이 기준선 및 최신 방법보다 정량적으로와 정성적으로 우수함을 보여주었습니다. 코드는 https://github.com/eddyhkchiu/pose_forecast_wacv/ 에서 제공됩니다.