인간 자세 예측을 위한 이미테이션 러닝

인간 운동 동역학의 모델링과 예측은 컴퓨터 비전 분야에서 오랫동안 도전적인 문제로 여겨져 왔으며, 기존의 대부분의 방법들은 다양한 순환 신경망 아키텍처에 대한 엔드투엔드 지도 학습에 의존하고 있다. 최근의 딥 강화학습 기법의 성공에 영감을 받아, 본 논문에서는 인간 자세 예측 문제를 위한 새로운 강화학습 공식을 제안하고, 행동 클로닝과 생성적 적대적 사례 학습(generative adversarial imitation learning)을 결합한 이미테이션 학습 알고리즘을 개발하여 이 공식 하에서 미래 자세를 예측한다. 실험 결과, 제안하는 방법은 단기 예측과 장기 예측 모두에서 기존의 모든 최첨단 기준 모델을 크게 능가하며, 동시에 훈련 속도 측면에서도 큰 장점을 보였다.