Pose2Gest: 一种应用于南印度古典舞蹈手势识别的少样本无模型方法
计算机视觉与模式识别
2024-05-20 v2 计算与语言
摘要
印度古典舞蹈使用一组被称为手印的手势，作为其姿势词汇的基本元素。识别这些手印是数字化舞蹈表演的首要任务。本文以舞剧卡塔卡利为焦点，将手印识别构建为一个24类分类问题，并提出了一种新颖的基于向量相似性的方法，利用姿态估计技术。该方法无需大量训练或微调，从而缓解了类似AI应用中常见的数据有限问题。我们的方法达到了92%的准确率，在该领域表现出与现有基于模型训练的方法相当或更优的性能。值得注意的是，即使在使用仅包含1或5个样本的小数据集时，它仍然有效，尽管性能略有下降。此外，我们的系统支持处理图像、视频和实时流，并兼容手部裁剪和全身图像。作为本研究的一部分，我们整理并发布了一个公开可访问的Hasta手印数据集，该数据集适用于包括卡塔卡利在内的多种南印度艺术形式。所提方法的实现也以Web应用程序的形式提供。
引用
@article{arxiv.2404.11205,
title = {Pose2Gest: A Few-Shot Model-Free Approach Applied In South Indian Classical Dance Gesture Recognition},
author = {Kavitha Raju and Nandini J. Warrier and Manu Madhavan and Selvi C. and Arun B. Warrier and Thulasi Kumar},
journal= {arXiv preprint arXiv:2404.11205},
year = {2024}
}