연구진은 LiDAR 기반 3D 인간 움직임 캡처의 불안정 입력과 심각한 가려움 문제를 해결하기 위해 BMLiCap 프레임워크를 제안했어요. BMLiCap은 시간적으로 압축 가능한 베지어 곡선을 사용하여 움직임을 모델링하고, 점진적인 움직임 재구성 모듈을 설계했어요. 네 가지 벤치마크에서 BMLiCap은 기존 방식보다 정확도와 시간 연속성이 뛰어나 복잡한 장면에서도 가려움과 예측 지터를 줄이는 데 효과적이에요.
BMLiCap은 시간 규모별로 움직임 곡선을 예측하는 Time-scale Motion Transformer (TMT)와 멀티 스케일 곡선을 융합하여 자세를 복원하는 Multi-level Motion Aggregator (MMA)를 활용해요. 이 방식은 관측 간극을 효과적으로 해소하여 안정적인 자세 예측을 가능하게 해요.
BMLiCap은 LiDARHuman26M, FreeMotion, NoiseMotion, SLOPER4D 네 가지 벤치마크에서 최고 수준의 정확도와 시간 연속성을 달성하며, 심각한 가려움 현상을 보완하는 능력을 입증했어요.