基于平方损失互信息最大化依赖的时间对齐
机器学习
2012-06-20 v1 人工智能
摘要
时间对齐的目标是建立两个序列之间的时间对应关系，这在语音处理、生物信息学、计算机视觉和计算机图形学等多个领域有许多应用。在本文中，我们提出了一种新颖的时间对齐方法，称为最小二乘动态时间规整（LSDTW）。LSDTW通过最大化序列之间的统计依赖性（由互信息的平方损失变体衡量）来找到对齐。这种新颖的信息论公式的好处在于，LSDTW可以高效地处理不同长度、不同维度、高度非线性和非高斯性的序列。此外，模型参数（如初始对齐矩阵）可以通过交叉验证进行系统优化。我们通过在合成和真实Kinect动作识别数据集上的实验证明了LSDTW的有效性。
引用
@article{arxiv.1206.4116,
title = {Dependence Maximizing Temporal Alignment via Squared-Loss Mutual Information},
author = {Makoto Yamada and Leonid Sigal and Michalis Raptis and Masashi Sugiyama},
journal= {arXiv preprint arXiv:1206.4116},
year = {2012}
}
备注
11 pages