基于扩散概率模型的去噪预测网络预测人体运动

摘要

近年来，深度学习方法在人体运动预测方面取得了良好的进展，目前单一阶段方法在预测的准确性和多样性上仍存在改进空间，而采用多阶段方式则导致难以端到端预测.为此，本文提出了一种基于扩散概率模型的去噪预测网络，旨在以端到端的方式去预测出准确多样的人体运动.其中提出了一个基于Transformer的模块，包含一个无softmax的修正线性自注意力，提升了人体运动预测的准确性.此外，本文还提出了一种基于DPM-Solver++的扩散模型采样策略，预测出更加连续和多样性的人体运动姿态序列，并将预测出同一质量人体运动姿态序列的采样时间缩减至一半以下.最后，将本文方法在两个标准数据集Human3.6M和HumanEva-I上进行充分评估.实验结果表明，本文方法优于最先进的单一阶段的方法.

关键词

人体运动预测 / 扩散概率模型 / 去噪预测网络 / 修正线性自注意力 / DPM-Solver++