文献

J-GLOBAL ID：201702249517388268   整理番号：17A1773355

リカレントニューラルネットワークを用いた人間運動予測について【Powered by NICT】

On Human Motion Prediction Using Recurrent Neural Networks

著者 (3件)： Martinez Julieta ,  Black Michael J. ,  Romero Javier
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 4674-4683  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ヒト運動モデリングはグラフィックスとコンピュータビジョンの交差点における古典的な問題である,仮想現実感と拡張現実感のための人間-コンピュータ相互作用,運動合成,と動き予測にわたるの応用。いくつかのコンピュータビジョンタスクにおける深い学習法の成功に続いて,最近の研究はヒト運動をモデル化するために深いリカレントニューラルネットワーク(RNN)の使用に焦点を当て,短期運動予測と長期ヒト運動合成のようなタスクを実行する学習時間依存表現を目標とした。最近の研究を調べ,文献で一般的に用いられる評価方法論に焦点を当てて,驚くべきことに,最新の性能は全くモデル運動の試みを行わない簡単なベースラインにより達成できることを示した。はこの結果を調べ,最新の手法で使用されているアーキテクチャ,損失関数,および訓練手順を見ることにより最近RNN法を解析した。ヒト運動に典型的に用いられる標準RNNモデル,ヒト運動予測に関する最先端技術の性能が得られることを簡単でスケーラブルなRNNアーキテクチャをもたらす三変化を提案した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： バーチャルリアリティ ,  *動き推定 ,  交差点 ,  ヒト ,  計算機アーキテクチャ ,  コンピュータ ,  モデリング ,  基準線 ,  拡張現実感 ,  損失関数 ,  相互作用 ,  学習 ,  コンピュータビジョン ,  *リカレントニューラルネットワーク
準シソーラス用語： 学習時間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： リカレントニューラルネットワーク ,  人間 ,  運動予測