딥 러닝 기반 휴먼 모션 디노이징 (Deep Learning-Based Human Motion Denoising)

서지정보

· 발행기관 : 한국전기전자학회
· 수록지 정보 : 전기전자학회논문지 / 23권 / 4호 / 1295 ~ 1301페이지
· 저자명 : 김성욱, 임현승, 김종민

초록

본 논문에서는 어텐션 기법을 적용한 양방향 순환신경망을 이용하여 새로운 휴먼 모션 디노이징 방법을 제안한다. 본 방법을 이용하면, 단일 3D 깊이 센서 카메라에서 캡처된 노이즈가 포함된 사람의 움직임이 잘 교정된 자연스러운 움직임으로 자동 조정된다. 양방향 순환신경망에 어텐션 기법을 도입하면, 입력으로 들어온 움직임을 인코딩할 때 여러 자세 중에 더 중요한 자세가 있는 프레임에 더 높은 어텐션 가중치를 부여함으로써, 다른 딥 러닝 네트워크와 비교해 더 나은 최적화 결과와더 높은 정확도를 보인다. 실험을 통해 본 논문에서 제시한 방법이 다양한 스타일의 움직임과 노이즈를 효과적으로 처리함을확인하였으며, 제시한 방법은 모션 캡처 후처리 단계의 애플리케이션으로 충분히 사용 가능할 것으로 기대된다.

영어초록

In this paper, we propose a novel method of denoising human motion using a bidirectional recurrent neural network(BRNN) with an attention mechanism. The corrupted motion captured from a single 3D depth sensor camera isautomatically fixed in the well-established smooth motion manifold. Incorporating an attention mechanism into BRNNachieves better optimization results and higher accuracy than other deep learning frameworks because a higher weightvalue is selectively given to a more important input pose at a specific frame for encoding the input motion. Experimentalresults show that our approach effectively handles various types of motion and noise, and we believe that our methodcan sufficiently be used in motion capture applications as a post-processing step after capturing human motion.

참고자료

· 없음