关于测试时如何获得更好的效果

[MioChiu]

hi，最近尝试了一下motioNet，有几个问题想请教一下： 1.关于测试时的IMAGE_WIDTH，这里应该就用图片宽度吗，还是需要最长边？ 2.MotioNet论文中最吸引我的是能够相对准确的回归global root position，事实上目前绝大多数3D pose的方法在这方面都比较糟糕。然而我看到测试时有 translation[:, :2] = translation[:, :2]*3；translation[:, 2] = translation[:, 2]*1.5，这里的scale系数是怎么得到的呢？经验值？在我测试自己的视频时对这个有什么建议吗？ 3.演示视频里下面这个视频的global translation看起来效果很好，请问是有做什么其他的操作嘛？靠这个库的代码和模型能做到吗？ 4.我自己测试了如下视频，发现效果并不好，动作错误较多，而且global translation基本固定在原地（实际上视频中的人从左走到右有比较明显的位移），我使用evaluate.py的默认设置（IMAGE_WIDTH改为视频的宽度），请问是还需要修改什么才能达到较好的效果呢？还是说我这个视频本身不太符合训练集的分布？

[Shimingyi]

Hi @MioChiu ,

1. 如果不是正方形的视频，是应该对长和宽分别进行处理的：

   IMAGE_WIDTH = 480
   IMAGE_HEIGHT = 270
   ...
   poses_2d = np.concatenate(pose_batch, axis=0)
   poses_2d[:, np.arange(0, poses_2d.shape[-1], 2)] /= (IMAGE_WIDTH*1)    # 1 是一个调整参数，尽可能使人物在图片中的比例接近原始数据集
   poses_2d[:, np.arange(1, poses_2d.shape[-1], 2)] /= (IMAGE_HEIGHT*1)   # 1

2. global root position的回归也是我们比较开心的一点，但其实在我们最近的研究里面也发现，虽然在训练数据集中表现非常好(-i h36m可以输出一些在测试集上的结果)，也很难在真实的视频里获得非常平滑的效果。一是因为训练数据集的运动范围和规则都很固定，基本就是绕圈，二是因为缺乏足够的数据扩充。对于产生的脚步漂移（foot sliding）, 我们就会用应用一个scale减小这样的移动，凭经验去产生。对于你的视频，在深度上的scale应该小一点。
3. 完全可以。