论文名称:Physics-based Human Motion Estimation and Synthesis from Videos
论文链接;:https://www.aminer.cn/pub/614a9eca5244ab9dcbc38b23?f=cs
人体运动综合是机器人图形、游戏和仿真环境中应用的一个重要问题。现有的训练方法需要精确的动作捕捉数据,而获取这些数据的成本很高。相反,我们提出了一个框架来训练生成模型的物理似是而非的人体运动直接从单目RGB视频,这是更广泛的可用。我们的方法的核心是一个新的优化公式,通过加强物理约束和接触的原因,以可微的方式纠正不完美的基于图像的姿态估计。这种优化产生修正的3D姿态和运动,以及它们相应的接触力。结果表明,我们的物理修正运动显著优于之前的工作,姿势估计。然后我们可以用这些来训练生成模型来合成未来的动作。与先前基于运动学和物理的方法相比,我们的方法在大规模Human3.6m数据集\cite{h36m_pami}上从定性和定量上显著改善了运动估计、综合质量和物理合理性。通过实现视频中运动合成的学习,本方法为大规模、逼真和多样化的运动合成奠定了基础。
AMiner,让AI帮你理解科学!https://www.aminer.cn