초록
임의의 시간대에서의 3D 인간 자세 예측은 인간과 기계 간의 동기화된 실세계 상호작용에 있어 핵심적인 요소이며, 여기서 '임의의 시간대(Anytime)'란 실수 값을 갖는 임의의 시간 단계에서 인간 자세를 예측하는 것을 의미한다. 그러나 현재까지 알려진 모든 기존의 자세 예측 방법들은 사전에 설정된 이산적인 시간 간격에서만 예측을 수행한다. 따라서 본 연구에서는 인간 행동 동역학을 신경미분방정식(Neural Ordinary Differential Equations)을 활용해 모델링하는 경량의 연속 시간 신경망 아키텍처인 AnyPose를 제안한다. 우리는 Human3.6M, AMASS, 3DPW 데이터셋을 대상으로 본 프레임워크를 검증하고, 기존 방법들과의 비교 및 인간 자세 예측과 신경미분방정식의 융합에 대한 종합적인 분석을 수행하였다. 실험 결과, AnyPose는 미래 자세 예측에서 높은 정확도를 보이며, 전통적인 방법에 비해 임의의 시간대 예측 작업을 수행하는 데 있어 훨씬 낮은 계산 시간을 요구함을 입증하였다.