计算机应用研究

作者：刘一松,高含露,蔡凯祥,

单位：江苏大学计算机科学与通信工程学院,江苏镇江212013；

关键词：人体运动预测,非自回归,图卷积网络,

基金：江苏省自然科学基金资助项目(BK20220515)；；

当前人体运动预测的方法大多采用基于图卷积网络的自回归模型，没有充分考虑关节间的特有关系和自回归网络性能的限制，从而产生平均姿态和误差累积等问题。为解决以上问题，提出融合时空图卷积网络和非自回归的模型对人体运动进行预测。一方面利用时空图卷积的网络提取人体运动序列的局部特征，可以有效减少三维人体运动预测场景中的平均姿态问题和过度堆叠图卷积层引起的过平滑问题的发生；另一方面将非自回归模型与时空图卷积网络进行结合，减少误差累计问题的发生。利用Human3.6M的数据集进行80 ms、160 ms、320 ms和400 ms的人体运动预测实验。结果表明，NAS-GCN模型与现有方法相比，能预测出更精确的结果。

来源：2024年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第3期