用于从静态姿态发现动作基元的旋转不变潜在因子模型
计算机视觉与模式识别
2016-09-27 v1 机器学习
摘要
我们解决了在训练数据由原始特征空间的低维投影组成时，学习旋转不变潜在因子模型的问题。主要目标是从从不同相机角度拍摄的静止图像获得的 2-D 投影姿态训练集中，发现一组能够表征原始人类动作流形或动作基元（movemes）的 3-D 基姿态。所提出的基发现技术是数据驱动的，而非手工设计的。学习到的表示是旋转不变的，并且可以从多个视角重建任何训练实例。我们将该方法应用于体育中的人类姿态建模（通过 Leeds Sports Dataset），并证明了学习到的基在一系列应用中的有效性，如活动分类、从单帧推断动力学以及运动的合成表示。
引用
@article{arxiv.1609.07495,
title = {A Rotation Invariant Latent Factor Model for Moveme Discovery from Static Poses},
author = {Matteo Ruggero Ronchi and Joon Sik Kim and Yisong Yue},
journal= {arXiv preprint arXiv:1609.07495},
year = {2016}
}
备注
Long version of the paper accepted at the IEEE ICDM 2016 conference. 10 pages, 9 figures, 1 table. Project page: http://www.vision.caltech.edu/~mronchi/projects/RotationInvariantMovemes/