FlowMoP
一种基于条件流匹配的随机多人3D运动预测框架，通过B样条重参数化和双流Transformer联合生成多个智能体的多样化未来运动轨迹，建模全局轨迹与根相对姿态。
时间轴 (近 90 天)
FlowMoP 提出一种条件流匹配框架，联合生成多个智能体的多样化未来运动，同时建模全局轨迹与根相对姿态。
FlowMoP 采用 B 样条重参数化将生成状态空间压缩到低维控制点，同时强制时间平滑性，降低生成模型复杂度并保证轨迹物理合理性。
双流 Transformer 为每个智能体提供交互感知的条件信息，分别处理全局轨迹和根相对姿态，使模型同时关注宏观位移和微观姿态变化。
FlowMoP 在 CMU-Mocap（UMPM）和 3DPW 两个标准数据集上取得了 state-of-the-art 性能。
FlowMoP 在联合位置误差、姿态误差和最终位移误差上均优于确定性基线。
研究团队在 WorldPose 数据集上建立了首个运动预测基线。
FlowMoP 目前仍依赖于观测到的邻居运动作为条件，对于未观测到的智能体或突发交互的建模能力有待进一步验证。
全部知识事实 (7)
FlowMoP 提出一种条件流匹配框架，联合生成多个智能体的多样化未来运动，同时建模全局轨迹与根相对姿态。
50%待验证FlowMoP 采用 B 样条重参数化将生成状态空间压缩到低维控制点，同时强制时间平滑性，降低生成模型复杂度并保证轨迹物理合理性。
50%待验证双流 Transformer 为每个智能体提供交互感知的条件信息，分别处理全局轨迹和根相对姿态，使模型同时关注宏观位移和微观姿态变化。
50%待验证FlowMoP 在 CMU-Mocap（UMPM）和 3DPW 两个标准数据集上取得了 state-of-the-art 性能。
50%待验证FlowMoP 在联合位置误差、姿态误差和最终位移误差上均优于确定性基线。
50%待验证研究团队在 WorldPose 数据集上建立了首个运动预测基线。
50%待验证FlowMoP 目前仍依赖于观测到的邻居运动作为条件，对于未观测到的智能体或突发交互的建模能力有待进一步验证。
50%