2-Body 포즈 예측을 위한 최선의 방법

다중 상호작용 인체 자세 예측은 이전 프레임에서 주어진 여러 사람의 미래 자세를 예측하는 작업을 의미합니다. 두 사람이 상호작용하는 경우 각각 따로 예측하는 것보다 더 나은 성능을 보장할 수 있으며, 이는 그들의 신체-신체 운동 상관관계 때문입니다. 그러나 이 작업은 아직까지 주로 탐구되지 않았습니다.본 논문에서는 인체 자세 예측 분야의 진전을 검토하고, 2인 협동 운동 예측에 가장 잘 적용되는 단일 인물 기법들을 심층적으로 평가합니다. 우리의 연구는 주파수 입력 표현, 시공간 분리 및 완전히 학습 가능한 상호작용 인접성의 긍정적인 영향을 확인하였습니다. 이러한 특징들은 인코딩 GCN(그래프 컨볼루션 네트워크)과 FC(완전 연결) 디코딩에 사용됩니다. 다른 단일 인물 기법들은 2인 체계로 전이되지 않으므로, 제안된 최선의 방법에는 계층적 신체 모델링이나 주의기반 상호작용 인코딩이 포함되지 않습니다.또한, 우리는 인코더의 2인 공간적 상호작용 매개변수를 위한 새로운 초기화 절차를 제공하며, 이는 성능과 안정성을 향상시키는데 도움이 됩니다. 총합하여, 제안된 2인 자세 예측 최선의 방법들은 가장 최근의 ExPI 데이터셋에서 기존 최고 수준 대비 21.9%의 성능 개선을 보였으며, 여기서 새로운 초기화 방식이 3.5%를 차지합니다. 프로젝트 페이지는 https://www.pinlab.org/bestpractices2body 에서 확인하실 수 있습니다.