Towards Scalable Retrieval of Human Motion Episodes

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F20%3A00114354" target="_blank" >RIV/00216224:14330/20:00114354 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ISM.2020.00015" target="_blank" >http://dx.doi.org/10.1109/ISM.2020.00015</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ISM.2020.00015" target="_blank" >10.1109/ISM.2020.00015</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Towards Scalable Retrieval of Human Motion Episodes

Popis výsledku v původním jazyce

With the increasing availability of human motion data captured in the form of 2D/3D skeleton sequences, more complex motion recordings need to be processed. In this paper, we study the problem of similarity-based matching of medium-sized unsegmented skeleton sequences, which we denote as motion episodes. We first apply standard pose-based approaches for matching episodes and analyze their shortcomings. Then, we adopt a recent segment-based approach that transforms episode data into a text-like representation, and apply mature text-processing techniques for matching episodes. We demonstrate that this text-based approach achieves promising results in the terms of both effectiveness and efficiency, and can be further indexed to implement scalable episode retrieval.

Název v anglickém jazyce

Towards Scalable Retrieval of Human Motion Episodes

Popis výsledku anglicky

With the increasing availability of human motion data captured in the form of 2D/3D skeleton sequences, more complex motion recordings need to be processed. In this paper, we study the problem of similarity-based matching of medium-sized unsegmented skeleton sequences, which we denote as motion episodes. We first apply standard pose-based approaches for matching episodes and analyze their shortcomings. Then, we adopt a recent segment-based approach that transforms episode data into a text-like representation, and apply mature text-processing techniques for matching episodes. We demonstrate that this text-based approach achieves promising results in the terms of both effectiveness and efficiency, and can be further indexed to implement scalable episode retrieval.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10200 - Computer and information sciences

Projekt

<a href="/cs/project/GA19-02033S" target="_blank" >GA19-02033S: Vyhledávání, analytika a anotace datových toků lidských pohybů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

22nd IEEE International Symposium on Multimedia (ISM)

ISBN

9781728186979

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

49-56

Název nakladatele

IEEE Computer Society

Místo vydání

Washington, DC

Místo konání akce

Naples, Italy

Datum konání akce

1. 1. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000654273000009