MLP로 돌아가기: 인간 운동 예측을 위한 간단한 기준모델

본 논문은 인간 운동 예측 문제를 다루며, 이는 과거에 관찰된 시퀀스에서 미래의 신체 자세를 예측하는 것을 의미합니다. 최신 접근법들은 좋은 결과를 제공하지만, 이들은 재귀 신경망(RNN), 트랜스포머 또는 그래프 합성곱 네트워크(GCN)와 같은 임의의 복잡도를 가진 딥 러닝 아키텍처에 의존하여 일반적으로 여러 단계의 훈련과 2백만 개 이상의 매개변수를 필요로 합니다. 본 논문에서는 이산 코사인 변환(DCT)을 적용하고, 관절의 잔여 변위를 예측하며, 속도를 보조 손실로 최적화하는 등의 일련의 표준 기술들과 결합하면, 0.14백만 개의 매개변수만으로 구성된 다층 퍼셉트론(MLP) 기반 경량 네트워크가 최신 성능을 초월할 수 있음을 보입니다. Human3.6M, AMASS 및 3DPW 데이터셋에 대한 철저한 평가는 우리의 방법이 siMLPe라는 이름으로 모든 다른 접근법을 일관되게 능가함을 입증합니다. 우리는 이 간단한 방법이 커뮤니티에게 강력한 베이스라인을 제공하고 인간 운동 예측 문제에 대한 재고를 가능하게 하기를 바랍니다. 코드는 \url{https://github.com/dulucas/siMLPe}에서 공개적으로 이용 가능합니다.