3 boyutlu poz dizilerinden semantik olarak anlamlı insan hareketi temsillerini öğrenmek, insan davranışı modellemesi için çok önemlidir. Mevcut kendi kendini denetleyen yöntemler, denetimi yapay varsayımlardan türetmektedir; örneğin, belirli bir aralıktaki artışa karşı değişmezlik veya belirli bir zamansal ölçekte maskelenmiş bölgelerin kurtarılabilirliği, öğrenilen semantiği kendi ayarlarına duyarlı hale getiren buluşsal hiperparametreler sunar. Biz BAL'ı, kendi kendini denetleyen bir çerçeveyi öneriyoruz; bunun yerine, insan hareketine özgü denetimi, yani günlük davranışın doğal düzenleyici yapısını istismar ediyoruz.
- 3 boyutlu poz dizilerinden semantik olarak anlamlı insan hareketi temsillerini öğrenmek, insan davranışı modellemesi için çok önemlidir.
- Mevcut kendi kendini denetleyen yöntemler, denetimi yapay varsayımlardan türetmektedir; örneğin, belirli bir aralıktaki artışa karşı değişmezlik veya belirli bir zamansal ölçekte maskelenmiş bölgelerin kurtarılabilirliği, öğrenilen semantiği kendi ayarlarına duyarlı hale getiren buluşsal hiperparametreler sunar.
- Biz BAL'ı, kendi kendini denetleyen bir çerçeveyi öneriyoruz; bunun yerine, insan hareketine özgü denetimi, yani günlük davranışın doğal düzenleyici yapısını istismar ediyoruz.
3 boyutlu poz dizilerinden semantik olarak anlamlı insan hareketi temsillerini öğrenmek, insan davranışı modellemesi için çok önemlidir.
02 Özet
3 boyutlu poz dizilerinden semantik olarak anlamlı insan hareketi temsillerini öğrenmek, insan davranışı modellemesi için çok önemlidir. Mevcut kendi kendini denetleyen yöntemler, denetimi yapay varsayımlardan türetmektedir; örneğin, belirli bir aralıktaki artışa karşı değişmezlik veya belirli bir zamansal ölçekte maskelenmiş bölgelerin kurtarılabilirliği, öğrenilen semantiği kendi ayarlarına duyarlı hale getiren buluşsal hiperparametreler sunar. Biz BAL'ı, kendi kendini denetleyen bir çerçeveyi öneriyoruz; bunun yerine, insan hareketine özgü denetimi, yani günlük davranışın doğal düzenleyici yapısını istismar ediyoruz. BAL, anlamsal olarak soyut bir gizli alanda otoregresif olarak tahminde bulunur; bu, insanların kesin eklem konfigürasyonlarından ziyade diğerlerinin eylemlerini nasıl öngördüğüne benzer. Zaman içinde hem ileriye hem de geriye doğru çift yönlü otoregresif tahmin, bu sıralama kısıtlamalarından tamamen yararlanırken, çıkarımda hem geçmiş hem de gelecek bağlamı kullanarak temsil çıkarımına olanak tanır. Gösterimin çökmesini önlemek için BAL, her tahmin hedefini sıra düzeyinde anlambilimi yakalayan küresel bir bileşene ve bağlamdan bağımsız hareketi yakalayan yerel bir bileşene ayrıştırır. Anlamlı bir eğitim sinyalini koruyarak temsiller tamamen daraltılmadıkça yerel hedeflerin önemsiz olmayan açısal çeşitliliği koruduğunu kanıtladık. Büyük ölçekli veri kümeleri üzerinde yapılan deneyler, BAL temsillerinin hareket altyazısı oluşturma, tahmin etme ve enterpolasyon için son derece etkili olduğunu ve çoğu değerlendirme ölçütünde temel çizgilerden daha iyi performans gösterdiğini göstermektedir.
Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.
Learning semantically meaningful human movement representations from 3D pose sequences is essential for human behavior modeling. Existing self-supervised methods derive supervision from artificial assumptions, e.g., invariance to augmentation within a certain range or recoverability of masked regions at a certain temporal scale, introducing heuristic hyperparameters that make the learned semantics sensitive to their settings. We propose BAL, a self-supervised framework that instead exploits supervision intrinsic to human movement: the natural ordering structure of everyday behavior. BAL autoregressively predicts in a semantically abstract latent space, analogous to how humans anticipate others' actions rather than their precise joint configurations. Bidirectional autoregressive prediction, both forward and backward in time, fully leverages these ordering constraints while enabling representation extraction using both past and future context at inference. To suppress representation collapse, BAL decomposes each prediction target into a global component capturing sequence-level semantics and a local component capturing context-independent movement. We prove that the local targets retain nontrivial angular diversity unless the representations are completely collapsed, preserving a meaningful training signal. Experiments on large-scale datasets demonstrate that BAL's representations are highly effective for motion captioning, forecasting, and interpolation, outperforming baselines on most evaluation metrics.
03 PDF
Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.
04 Kaynak göster
@article{kinoshita2026bal,
title = {BAL: Bidirectional Autoregression in Latent Space for Learning Human Movement Representations},
author = {Genki Kinoshita and Ko Nishino},
journal = {arXiv preprint arXiv:2611.18559},
year = {2026},
url = {https://arxiv.org/abs/2611.18559}
}
Kinoshita, G., & Nishino, K. (2026). BAL: İnsan Hareketi Gösterimlerini Öğrenmek için Gizli Uzayda Çift Yönlü Otoregresyon. arXiv. https://arxiv.org/abs/2611.18559
Yorumlar 0
Henüz yorum yok. İlk yorumu siz yazın.
Yorum yazın