HIGFlow

新数据集和框架推进从视频进行 4D 交互预测

研究人员推出了 Coherent4D，这是一个用于从主观视角视频进行连续 4D 交互预测的大规模数据集。该数据集包含三个领域约 233,000 个样本，旨在预测未来交互在 3D 空间中的位置以及相应的人体运动。为了解决将语义理解转化为精确本地化以及平衡运动多样性与结构一致性方面的现有局限性，该团队还开发了 HIGFlow，这是一个将预测建模为级联的“何处-如何”过程的框架。实验表明，HIGFlow 在位置和姿态预测方面均优于基线方法。