论文: HP-GAN: Probabilistic 3D human motion prediction via GAN
论文地址:https://arxiv.org/pdf/1711.09561.pdf
作者的模型是大多人体运动预测都会用到的sequence-to-sequence model,但是在训练过程中给定相同的输入,通过GAN网络学习多种可能的未来姿势,即通过深度神经网络做概率性运动预测。同时作者在WGAN-GP的基础上做了改进以契合人体运动预测的问题。
Background (论文背景)
GAN
GAN网络由两个部分组成,第一部分为生成器,由给定运动序列生成预测序列,第二部分为辨别器,用于分辨生成器的输出是否为真实值,从而形成相互对抗博弈,进而让生成器变现越来越好直到辨别器无法辨别真假。
但是GAN同样也有缺点,它很难训练并且在训练过程中很不稳定,loss值并不一定代表生成器的质量。
RNN based mothods
作者提到了使用RNN为核心的model,例如ERD模型,这类模型的缺点在于预测值会不断累积错误导致之后的预测远远偏离真实值。作者还提到了S-RNN,而它需要人工设置structure graph。同时,使用