轨迹与3D姿态联合预测方法提出

2026年10月23日，arXiv Computer Vision 刊出 Marc Peral 等作者的论文，提出面向多智能体体育分析的轨迹与3D姿态联合预测方法。该方法采用社会-时间编码器，在输入层融合轨迹与3D姿态，并通过共享因子化注意力联合建模，同时配合逐关节损失重加权和频域轨迹平滑项。作者报告，该方法在 WorldPose 和 3DPW 上均优于此前的联合预测方法，其中姿态精度提升最大。作者还指出，重叠序列构建会带来评估偏差，因此改用非重叠协议，并采用确定性、无 oracle 的多未来预测策略。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。