생성모델 기반 댄스 동작 표현 및 분류

Abstract

본 논문은 생성모델(Generative model)을 이용한 댄스 동작 표현과 분류를 다룬다. 일반적으로, 댄스 모션의 데이터는인체의 여러 관절 등의 운동이 야기하는 복잡한 정보가 결합된 고차원 시계열이다. 이러한 고차원 특징으로 말미암아, 스마트 폰 등의 기기를 통해 추출된 영상, 가속도(acceleration), 각속도(angular velocity)와 같은 시계열 데이터 정보를 직접사용하여 댄스 동작을 분석하는 것은 많은 어려움을 갖는다. 본 논문은 확률론적 생성모델을 기반으로, 스마트 폰에 장착된센서로부터 추출된 가속도, 각속도 등의 시계열 데이터 및 휴먼 포즈 키포인트(Human pose key points) 관련 영상 데이터를처리하여 댄스 동작에 대한 동적 특징을 저차원 잠재 공간 위에 표현하였다. 아울러 이러한 저차원 잠재 공간 표현을바탕으로 서로 다른 댄스 모션에 대한 특징을 순환신경망 분류기를 사용하여 구별하는 작업을 수행하였다. 이러한 실험결과는 본 논문에서 고려된 방법론의 생성모델 기반 댄스 동작 표현 및 분류에 대한 응용가능성을 보여준다.