通过双曲流形上的 GPLVM 将运动分类法引入连续域

人体运动分类法作为高层级层次化抽象，对人类如何移动并与其环境交互进行分类。它们已被证明可用于分析抓握、操作技能和全身支撑姿态。尽管在设计其层次结构及底层类别上投入了大量努力，它们的使用仍然有限。这或可归因于缺乏计算模型来填补分类法的离散层次结构与其类别相关的高维异构数据之间的鸿沟。为克服该问题，我们提出通过双曲嵌入对分类法数据建模，以捕获相关的层次结构。我们通过构造一种新颖的高斯过程双曲潜变量模型来实现这一点，该模型借助基于图的潜空间先验和保距回约束将分类法结构纳入其中。我们在三种不同的人体运动分类法上验证我们的模型，学习到忠实保留原始图结构的双曲嵌入。我们展示我们的模型恰当地编码来自已有或新分类法类别的未见过数据，并且优于其欧几里得和基于 VAE 的对应模型。最后，通过概念验证实验，我们展示我们的模型可用于在所学嵌入之间生成真实轨迹。