Fractional Optimization-Based Two-Stage Refinement Framework for Human Motion Prediction

doi:10.3390/fractalfract10060420

Fractional Optimization-Based Two-Stage Refinement Framework for Human Motion Prediction

2026-06-23

0

OA

AI

DOI：10.3390/fractalfract10060420

原文链接

原文求助

摘要

En 中文

传统人类运动预测方法试图发现观测序列与未来运动序列之间的关系。然而，由于人类运动的动态复杂性，现有方法无法完全捕捉运动序列间的相互关系，其性能仍不理想。本研究提出了一种新颖的两阶段精化（TSR）框架用于人类运动预测。该框架包含两个分支：（i）用于初步预测的传统运动预测分支；（ii）用于估计和补偿初步预测误差的辅助精化分支。通过这种方式，我们能够获得比传统单阶段方法更优的预测性能。为进一步缩小预测结果与真实值之间的差距，本研究引入了一种新颖的分数阶微分损失函数。现有方法仅使用整数阶微分来捕捉瞬时状态变化，常无法考虑人类运动中的长期时序依赖。相比之下，分数阶微分损失函数的固有记忆效应能够考虑长期依赖关系，并实现对高阶轨迹微分的精确调优，从而生成更具物理真实性的运动序列，同时最小化误差累积。比较实验表明，本研究的分数阶优化基两阶段精化框架（FOTSR）在三个基准数据集（包括Human3.6M、CMU-Mocap和3DPW）上优于大多数现有方法。

Keyword:

human motion prediction

fractional-order differential

error compensation

Fractional Optimization-Based Two-Stage Refinement Framework for Human Motion Prediction

摘要

期刊

机构

引用论文