Abstract
人体运动建模是图形和计算机视觉交叉的经典问题。在虚拟现实与增强现实的应用中，包含人机交互，运动合成和运动预测。随着深度学习理论在一些计算机视觉任务成功，当前的工作集中于使用深度循环神经网络来进行人体运动建模，目的在于学习时间相关性的任务，例如短时动作预测和长时的动作合成。我们阅读最近的相关工作，重点关注文献中普遍采用的评估方法，发现最优秀的效果是通过一条基线达到而不是试图进行运动建模。我们研究这一成果，同时通过最好的研究成果的网络结构，损失函数和训练过程，分析循环神经网络的方法。我们提出标准循环神经网络模型应用于动作预测的三点改进，用一个简单的以及可伸缩的循环神经网络结构在人体动作预测中取得最好的效果。
Method
1、Proplems
（1）首帧非连续性
（2）超参数调整
（3）模型的深度和复杂性
（4）具体行动网络
2、Solutions
（1）序列对序列结构
（2）基于采样损失
（3）残差结构
（4）多运动模式
百度学术：点击打开链接
