以往基于时域和频域的图卷积网络模型在三维人体运动预测上显示出令人印象深刻的结果。然而，时域和频域是同一个人体动作信号在不同域的表现，该文同时结合人体位姿在时域和频域的序列进行编码，并在两个通道上对不同表现形式的关节信息通过注意力机制强化人体骨骼各节点之间的相互依赖关系。最后通过基于图的门控循环单元（G-GRU）对编码信息进行递归解码，输出预测的运动序列。该文在Human 3.6M和CMU-MoCap数据集上测试了所提的模型，实验证明，该文所提的模型能获得比以往模型更准确的预测结果。
科研之友
微信
新浪微博
Facebook
分享链接
