2달 전
생성적 적대 그래프 컨볼루션 네트워크를 이용한 인간 행동 합성
Degardin, Bruno ; Neves, João ; Lopes, Vasco ; Brito, João ; Yaghoubi, Ehsan ; Proença, Hugo

초록
인체 스켈레톤의 공간적 및 시간적 역학을 합성하는 것은 생성된 형태의 품질뿐만 아니라 다양성 측면에서도 여전히 어려운 과제입니다. 특히 특정 동작(action conditioning)에 대한 실제적인 신체 운동을 합성하는 데는 더욱 그렇습니다. 본 논문에서는 Generative Adversarial Networks(GAN)과 Graph Convolutional Networks를 활용하여 인체의 역학을 합성하는 새로운 구조인 Kinetic-GAN을 제안합니다. 제안된 적대적 구조는 로컬 및 글로벌 신체 운동에서 최대 120개의 다른 동작을 조건부로 처리할 수 있으며, 잠재 공간 분리(latent space disentanglement)와 확률적 변동(stochastic variations)을 통해 샘플 품질과 다양성을 개선합니다. 우리의 실험은 세 가지 유명한 데이터셋에서 수행되었으며, Kinetic-GAN은 분포 품질 지표 측면에서 기존 최신 방법들을 크게 능가하면서도 다른 동작 수에 있어서 한 자릿수 이상 더 많은 합성을 가능하게 합니다. 우리의 코드와 모델은 https://github.com/DegardinBruno/Kinetic-GAN 에서 공개적으로 이용 가능합니다.