MotionMAR框架从稀疏数据中重建人体运动

研究人员推出MotionMAR，一个用于从稀疏观测数据中重建人体运动的新框架。该系统采用粗粒度到细粒度的方法，首先预测整体轨迹，然后逐步细化时间细节。MotionMAR集成了四个关键组件：用于多分辨率编码的时间多尺度分词（TMT）VQ-VAE，用于潜在空间预测的运动自回归网络（MAN），用于与观测对齐的尺度感知控制（SAC）模块，以及用于平滑和消除伪影的运动细化网络（MRN）。在AMASS数据集上的实验表明，MotionMAR达到了最先进的准确性。 AI

影响 这项研究推进了运动重建技术，通过从有限数据中实现更准确、更详细的人体运动捕捉，可能对动画、机器人和虚拟现实等领域产生影响。

排序理由 该集群描述了一篇详细介绍新型人体运动重建框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• Amass
• arXiv
• DagsHub
• Hugging Face
• Motion Autoregressive Network (MAN)
• MotionMAR
• Motion Refinement Network (MRN)
• Scale-Aware Control (SAC)
• Temporal Multi-scale Tokenization (TMT) VQ-VAE

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →