文件名称：MPT
文件大小：22.3MB
文件格式：ZIP
更新时间：2024-04-14 05:06:30
Python
使用轨迹提示进行运动预测 介绍 从历史姿势序列预测人类运动是计算机视觉中许多应用程序的核心。 当前的最新方法集中在学习姿势空间中的运动上下文，但是，人类姿势的高维度和复杂性质在提取此类上下文时会带来固有的困难。 在本文中，我们提倡在关节轨迹空间中对运动上下文进行建模，因为关节的轨迹是平滑的，矢量的，并且可以为模型提供足够的信息。 此外，大多数现有方法仅考虑骨骼连接关节之间的依赖关系，而忽略了先验知识和几何上分离的关节之间的隐藏连接。 因此，我们提出了一种半约束图，用于显式编码骨骼连接和先验知识，同时自适应地学习关节之间的隐式依赖关系。 我们还探索了我们的方法在包括人类，鱼类和老鼠在内的一系列物体上的应用。 令人惊讶的是，我们的方法在4个不同的基准数据集上设置了新的最新性能，一个显着的亮点是，与当前的最新水平相比，它的准确度提高了22.3％。 为了便于将来的研究，我们在发布了代码（匿名）。
【文件预览】：
MPT-master
----image()
--------Running.gif(165KB)
--------Eating.gif(141KB)
--------Jumping.gif(194KB)
--------WalkingDog.gif(157KB)
----code()
--------bone_length_loss.py(3KB)
--------space_angle_velocity.py(3KB)
--------data()
--------__pycache__()
--------writen_yaml.py(438B)
--------model_4GRU.py(4KB)
--------inertia_train_4GRU.py(16KB)
--------vis_modle.py(4KB)
--------config.yml(188B)
--------preprocess.py(5KB)
--------data_utils.py(749B)
--------close_prediction_4GRU.py(5KB)
----README.md(3KB)