讲座题目:基于自适应超图卷积的人体运动预测算法
讲座时间:2024年8月28日 16: 00-17: 00
讲座人:李进凯 博士生
地点:L1511
讲座内容:
人体运动预测是实现智能化服务的关键技术之一,其通过学习人体运动的历史姿势所蕴含的知识,实现对未来人体运动姿势的预测,从而并被广泛使用于自动驾驶、人机交互、智能跟踪和智能体育等领域。现阶段最新的研究成果是使用无限制全连接的图卷积来实现人体运动预测。尽管这种策略现阶段取得了不错的性能,但它包含两个问题:(1)不受限制的自适应全连通图不能表征运动过程中人体骨架固有的动力学结构,例如在“跑步”过程中,手掌的动作是由手臂传达到手肘,再从手肘传达到手掌,这样手臂、手肘和手掌是强连接关系;(2)单个尺度的特征不能有效地表示各种复杂关系,例如握手的时候需要辨别手臂和手掌,而分析运动类别的时候通常会将手臂和手掌看成一个整体。基于这一观察,本报告提出了一种新颖的多层级超图表征来表示运动过程中人体骨骼内部的各种依赖关系,该表征方式能够提取运动过程中人体内部结构的强依赖关系、局部依赖关系和全局依赖关系,并且基于这种表征方式提出了自适应多层次超图卷积网络来实现人体运动预测。实现结果证明了所提出的自适应多层次超图卷积网络相对于其他算法的优越性以及其中每个表征方式的有效性。