论文介绍
动作完成作为一个具有挑战性的基础性问题在电影和游戏应用中具有重要意义。对于不同的运动完成应用场景，以往的方法大多是通过case-by-case的方法论设计来处理补全问题。在这项工作中，我们提出了一种简单但有效的方法来解决统一框架下的多个运动完成问题，并在多个评估设置下在LaFAN1上实现了新的最先进的精度（比sota要高17%）。受最近基于自注意力的Transformer模型取得的巨大成功的启发，我们将完成视为序列到序列的预测问题。
方法由三个模块组成：一个具有自注意力的标准变换器编码器，用于学习输入运动的长距离相关性；一个可训练的混合嵌入模块，用于建模时间信息并以统一的形式编码不同的关键帧组合；以及一个新的运动感知损失，用于更好地捕捉高频运动。我们的方法可以实时预测单个前向传播中的多个丢失帧，并消除后处理要求。我们还引入了一个新的大规模舞蹈动作数据集，以探索我们方法的缩放能力及其在复杂运动应用中的有效性。
论文地址
https://ojs.aaai.org/index.php/AAAI/article/view/20368
