计算机辅助设计与图形学学报

作者：桑海峰, 陈紫珍, 何大阔

关键词：人体动作预测, 深度学习, 端到端模型, 循环神经网络

针对人体动作预测中由于受到运动速度、运动幅度等不确定因素的影响,导致预测的第1 帧动作不连续且准确预测时间较短的问题,提出一种基于双向门控循环单元(GRU)和注意力机制的端到端模型——BiAGRU-seq2seq.该模型的编码器部分采用双向GRU 结构,使数据从正反2 个方向同时输入;解码器部分采用单向GRU 结构并加入了注意力机制,使编码器输出编码成一个包含多个子集的向量序列;然后将解码器的输入和输出数据同时送入残差架构中,用来模拟人体运动速度,使预测值更接近真实值.在TensorFlow 框架下,利用目前动作捕捉数据最大的公开数据集human3.6m 进行人体动作预测实验的结果表明,文中模型不仅能极大地降低短期动作预测的误差,也能较为准确地预测出多帧动作.

来源：2019年第7期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2019年第7期