文献

J-GLOBAL ID：202002299933318441   整理番号：20A1749713

3Dスケルトンに基づく人間運動予測のための動的マルチスケールグラフニューラルネットワーク【JST・京大機械翻訳】

Dynamic Multiscale Graph Neural Networks for 3D Skeleton Based Human Motion Prediction

著者 (6件)： Li Maosen (Cooperative Medianet Innovation Center, Shanghai Jiao Tong University) ,  Chen Siheng (Mitsubishi Electric Research Laboratories) ,  Zhao Yangheng (Cooperative Medianet Innovation Center, Shanghai Jiao Tong University) ,  Zhang Ya (Cooperative Medianet Innovation Center, Shanghai Jiao Tong University) ,  Wang Yanfeng (Cooperative Medianet Innovation Center, Shanghai Jiao Tong University) ,  Tian Qi (Cooperative Medianet Innovation Center, Shanghai Jiao Tong University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 211-220  発行年： 2020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： 3D骨格ベース人間運動を予測するために,新しい動的マルチスケールグラフニューラルネットワーク(DMGNN)を提案した。DMGNNのコアアイデアは,運動特徴学習のための人体の内部関係を包括的にモデル化するためにマルチスケールグラフを用いることである。このマルチスケールグラフは,訓練中に適応し,ネットワーク層にわたって動的である。このグラフに基づいて,マルチスケールグラフ計算ユニット(MGCU)を提案し,個々の尺度で特徴を抽出し,スケールを横断して特徴を抽出した。全体のモデルは行動-カテゴリー-診断であり,符号器-デコーダフレームワークに従う。エンコーダは,動き特徴を学習するためにMGCUのシーケンスから成る。復号器は,将来の姿勢を生成するために,提案したグラフベースのゲートリカレントユニットを使用する。大規模な実験は,提案したDMGNNが,人間3.6MとCMU Mocapのデータセットに関する短期と長期予測の両方で最先端の方法より優れていることを示した。さらに,解釈可能性のための学習マルチスケールグラフを調査した。コードはhttps://github.com/limaosen0/DMGNNからダウンロードできた。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  復号器 ,  符号器 ,  *三次元 ,  長期予測 ,  再帰性 ,  動き推定
準シソーラス用語： マルチスケール , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 3D ,  スケルトン ,  人間 ,  運動予測