Assessing similarity models for human-motion retrieval applications
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F16%3A00087724" target="_blank" >RIV/00216224:14330/16:00087724 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1002/cav.1674" target="_blank" >http://dx.doi.org/10.1002/cav.1674</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1002/cav.1674" target="_blank" >10.1002/cav.1674</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Assessing similarity models for human-motion retrieval applications
Popis výsledku v původním jazyce
The development of motion capturing devices poses new challenges in the exploitation of human-motion data for various application fields, such as computer animation, visual surveillance, sports or physical medicine. Recently, a number of approaches dealing with motion data have been proposed, suggesting characteristic motion features to be extracted and compared on the basis of similarity. Unfortunately, almost each approach defines its own set of motion features and comparison methods, thus it is hard to fairly decide which similarity model is the most suitable for a given kind of human-motion retrieval application. To cope with this problem, we propose the HumAn Motion Model EvaluatoR (HAMMER) which is a generic framework for assessing candidate similarity models with respect to the purpose of the target application. The application purpose is specified by a user in form of a representative sample of categorized motion data.
Název v anglickém jazyce
Assessing similarity models for human-motion retrieval applications
Popis výsledku anglicky
The development of motion capturing devices poses new challenges in the exploitation of human-motion data for various application fields, such as computer animation, visual surveillance, sports or physical medicine. Recently, a number of approaches dealing with motion data have been proposed, suggesting characteristic motion features to be extracted and compared on the basis of similarity. Unfortunately, almost each approach defines its own set of motion features and comparison methods, thus it is hard to fairly decide which similarity model is the most suitable for a given kind of human-motion retrieval application. To cope with this problem, we propose the HumAn Motion Model EvaluatoR (HAMMER) which is a generic framework for assessing candidate similarity models with respect to the purpose of the target application. The application purpose is specified by a user in form of a representative sample of categorized motion data.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Computer Animation and Virtual Worlds
ISSN
1546-4261
e-ISSN
—
Svazek periodika
27
Číslo periodika v rámci svazku
5
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
17
Strana od-do
484-500
Kód UT WoS článku
000385614100003
EID výsledku v databázi Scopus
—