Establishing a Unified Evaluation Framework for Human Motion Generation: A Comparative Analysis of Metrics

本文详细回顾了人类动作生成的八种评估指标，突出了它们的独特特征和缺点，旨在应对人类动作生成的发展迅速，需要一个统一的评估框架的问题。我们通过一个统一的评估设置来提出标准化实践，以便进行一致的模型比较。此外，我们还引入了一种新的度量标准，通过分析变形多样性来评估时间扭曲的多样性，从而增强了对时间数据的评估。我们还使用一个公开可用的数据集对三个生成模型进行了实验分析，为特定情况下每个指标的解释提供了见解。我们的目标是为新手提供清晰、用户友好的评估框架，并配合公开可访问的代码。

评估人类动作生成的统一框架

提出了八个评估指标和一种新的衡量时间扭曲多样性的指标，并通过统一的评估设置提供了标准化实践，以促进一致的模型比较。

论文介绍了八个评估指标的独特特征和缺点，并设计了实验来分析三种生成模型的表现。此外，论文还提出了一种新的评估指标，通过分析扭曲多样性来评估时间数据的多样性。研究使用了公开数据集，并提供了可公开访问的代码。

最近的相关研究包括：《Generative Adversarial Networks for Video Generation and Compression》、《Human Motion Prediction using Deep Neural Networks》、《Learning to Generate Time-Lapse Videos Using Multi-Stage Dynamic Generative Adversarial Networks》等。