隐形字符串：通过图神经网络揭示舞者间潜在互动
计算机视觉与模式识别
2025-03-10 v1 计算机与社会
机器学习
摘要
舞蹈伙伴之间的配合往往需要对伴侣的空间姿态、动量以及施加的力量进行高度敏感的感知。希望在伴舞场景中深化对伴侣关系理解的舞蹈艺术家可能对这种即时性的运动关系有着强烈的具身化理解，但典型的舞蹈记录未能捕捉这些细微且多变的关系。我们与关注深化伴舞理解的舞蹈艺术家紧密合作，利用图神经网络 (GNN) 来突出和解释两位舞者之间复杂联系的。通过视频到 3D 姿态提取管道，从筛选好的当代舞蹈二人组视频中提取 3D 动作，应用专用预处理改善重建，并训练 GNN 预测两位舞者之间的加权连接。通过可视化和解释预测的舞者关系，我们展示了基于图的方法构建二人组协作动态备选模型的潜力。最后，我们提供一些示例策略，说明如何利用这些见解来 inform 一个生成性和共创的工作室实践。
引用
@article{arxiv.2503.04816,
title = {Invisible Strings: Revealing Latent Dancer-to-Dancer Interactions with Graph Neural Networks},
author = {Luis Vitor Zerkowski and Zixuan Wang and Ilya Vidrin and Mariel Pettee},
journal= {arXiv preprint arXiv:2503.04816},
year = {2025}
}
备注
10 pages, 10 figures, submitted to ICCC'25