‘’‘
很久之前就想写这篇文章,自己的工作已投CVPR2018,想总结一下。
更新:CVPR2018已被接收,有时间会在下一篇博客里介绍。
’‘’
比较早的方法有很多,HMM,CRBM, 高斯过程等。本文主要总结一下最近顶会文章采取的方法。
Forecasting Human Dynamics from Static Images (CVPR2017)
这篇文章主要是在 Hourglass network上加入了 RNN,具体如上图。采用了skip connection的方式,预测下一帧的 骨架,然后 2D 转换成 3D。 2D转3D的网络也很多,这里给出一片 ICCV2017 的相关工作
Github 下图在时序上展开 预测过程。
预测第一帧时输入的是原图,接下来的输入 为 0.