大多數(shù)人對于預(yù)測三維人體姿態(tài)可能不太關(guān)注，但機器人、計算機圖形學(xué)和有關(guān)物體運動的力學(xué)分支等其它關(guān)注運動學(xué)的領(lǐng)域，將能從這點系統(tǒng)中受益。

姿勢預(yù)測是人工智能(AI)以前就已經(jīng)應(yīng)用的一項任務(wù)，最近，谷歌在一定程度上開始應(yīng)用，但之前的一些工作遇到了障礙：它以非自然的方向拉伸數(shù)字關(guān)節(jié)和骨骼，尤其是當關(guān)節(jié)旋轉(zhuǎn)時。

幸運的是，F(xiàn)acebook人工智能研究部門、谷歌大腦以及蘇黎世聯(lián)邦理工學(xué)院的最新研究都承諾將解決這個問題。本周，在Arxiv.org上發(fā)表的一篇論文“模擬人類運動的模型”中，研究人員描述了一個人工智能系統(tǒng)，它通過將關(guān)節(jié)旋轉(zhuǎn)作為一種復(fù)雜的數(shù)字系統(tǒng)，并通過懲罰關(guān)節(jié)位置錯誤來改進姿態(tài)的生成。

圖：AI系統(tǒng)生成的人體姿態(tài)

作為論文的合著者解釋，復(fù)發(fā)性神經(jīng)網(wǎng)絡(luò)——一種人工智能算法具有學(xué)習(xí)能力的長期依賴，歷來都被用來執(zhí)行短期和長期預(yù)測，而卷積神經(jīng)網(wǎng)絡(luò)算法非常善于分析視覺表象，已經(jīng)成功地應(yīng)用于長期代運動(從一個位置到另一個位置的運動)。但由于人體姿勢的固有隨機性，完美的模型仍然難以獲得。

“人類的運動是一個具有高度不確定性的隨機過程，”研究人員寫道，“對于給定的過去，未來可能會有多個框架序列，不確定性會隨著時間的推移而增加。”

大多數(shù)模型都運用了過渡運算來預(yù)測下一個姿勢，它們從攝取的記錄幀中輸出記錄的目標幀，這在很大程度上是有效的。但它不會讓他們暴露自己的錯誤，因此會阻止他們從這些錯誤中恢復(fù)。

圖：AI模型生成的姿態(tài)

相比之下，研究人員提出的系統(tǒng)使用了一個卷積神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以查看過去的幀，隨著時間的推移，逐漸暴露在自己的預(yù)測中，并學(xué)習(xí)如何進行長期預(yù)測。同時，損失函數(shù)——將一個或多個變量的值映射到實數(shù)上的函數(shù)，作為輸入關(guān)節(jié)旋轉(zhuǎn)并計算每個關(guān)節(jié)的位置。這兩位作者說，這既提高了模型的穩(wěn)定性，又減少了誤差。

為了驗證模型的短期姿態(tài)預(yù)測能力，研究人員搜集了360萬份人體姿態(tài)數(shù)據(jù)，這是一個開源的三維人體姿態(tài)數(shù)據(jù)集，其中360萬份人體姿態(tài)來自于7位演員執(zhí)行15個動作時的姿態(tài)，以及相應(yīng)的圖像，并對包含運動樣本的不同數(shù)據(jù)集進行了長期生成測試。

在短期預(yù)測任務(wù)中，合著者報告了人類3.6米基線的改善。在長期姿態(tài)生成的情況下，目標是生成給定平均速度和地面軌跡的姿態(tài)序列，他們將模型描述為與最近的工作相比具有“定性”，同時允許更好地控制時間和空間約束。他們把四元數(shù)神經(jīng)網(wǎng)絡(luò)擴展到其他與運動相關(guān)的任務(wù)，如視頻中的動作識別或姿態(tài)估計，并使用“直接在四元數(shù)領(lǐng)域執(zhí)行計算”的神經(jīng)網(wǎng)絡(luò)。

【來源：千家網(wǎng)】