研究人员开发了一种弹性形状变分自编码器（ES-VAE），旨在更有效地建模骨骼姿态轨迹。该新模型使用一种感知几何的表示方法来分离内在形状动力学和运动，消除了相机视角和执行速度等干扰因素。在从步态周期预测临床活动能力评分和动作识别任务等应用中，ES-VAE已证明其性能优于标准的VAE和其他序列建模基线。 AI
影响 为纵向姿态数据的生成模型提供了一个更具原则性的框架，有可能改进医疗保健和动作识别领域的下游应用。
排序理由 发布了一篇详细介绍新模型架构的学术论文。
- Elastic Shape Variational Autoencoder
- ES-VAE
- NTU RGB+D dataset
- Kendall's shape manifold
- transformers
- TSRVF
- Variational Autoencoder
- graph convolutional networks
- temporal convolutional networks
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
