Human motion denoising is an indisp

Human motion denoising is an indispensable step of data preprocessing for many motion data based applications. In this paper, we propose a data-driven based human motion denoising method that sparsely selects the most correlated subset of motion bases for clean motion reconstruction. Meanwhile, it takes the statistic property of two common noises, i.e., Gaussian noise and outliers, into account in deriving the objective functions. In particular, our method firstly divides each human pose into five partitions termed as poselets to gain a much fine-grained pose representation. Then, these poselets are reorganized into multiple overlapped poselet groups using a lagged window moving across the entire motion sequence to preserve the embedded spatial–temporal motion patterns. Afterward, five compacted and representative motion dictionaries are constructed in parallel by means of fast K-SVD in the training phase; they are used to remove the noise and outliers from noisy motion sequences in the testing phase by solving ℓ1-minimization problems. Extensive experiments show that our method outperforms its competitors. More importantly, compared with other data-driven based method, our method does not need to specifically choose the training data, it can be more easily applied to real-world applications.

ผลลัพธ์ (ไทย) 2:

denoising การเคลื่อนไหวของมนุษย์เป็นขั้นตอนที่สำคัญของข้อมูลสำหรับการประมวลผลเบื้องต้นข้อมูลการเคลื่อนไหวจำน​​วนมากการใช้งานตาม ในบทความนี้เรานำเสนอที่ขับเคลื่อนด้วยข้อมูลตามการเคลื่อนไหวของมนุษย์วิธี denoising ที่เบาบางเลือกย่อยมีความสัมพันธ์มากที่สุดของฐานการเคลื่อนไหวสำหรับการฟื้นฟูการเคลื่อนไหวสะอาด ในขณะเดียวกันก็จะใช้เวลาสถานที่ให้บริการสถิติของทั้งสองเสียงที่พบบ่อยคือเสียงเสียนและค่าผิดปกติ, เข้าบัญชีในการทั้งปวงที่ฟังก์ชั่นวัตถุประสงค์ โดยเฉพาะอย่างยิ่งวิธีการของเราในตอนแรกแบ่งมนุษย์แต่ละก่อให้เกิดเป็นห้าพาร์ทิชันที่เรียกว่าเป็น poselets ที่จะได้รับการปรับเม็ดเล็กก่อให้เกิดการแสดงมาก จากนั้น poselets เหล่านี้จะถูกจัดออกเป็นหลายกลุ่มซ้อนทับ poselet ใช้หน้าต่าง lagged ย้ายข้ามลำดับการเคลื่อนไหวทั้งหมดเพื่อรักษาฝังรูปแบบการเคลื่อนไหวมิติสัมพันธ์ หลังจากนั้นห้าพจนานุกรมเคลื่อนไหวบดอัดและตัวแทนถูกสร้างขึ้นในแบบคู่ขนานโดยใช้วิธีการอย่างรวดเร็ว K-SVD ในขั้นตอนการฝึกอบรม; พวกเขาจะใช้ในการลบเสียงรบกวนและค่าผิดปกติจากลำดับการเคลื่อนไหวที่มีเสียงดังในขั้นตอนการทดสอบโดยการแก้ปัญหาℓ1-ลด การทดลองอย่างกว้างขวางแสดงให้เห็นว่าวิธีการของเรามีประสิทธิภาพดีกว่าคู่แข่ง ที่สำคัญเมื่อเทียบกับวิธีการตามที่ขับเคลื่อนด้วยข้อมูลอื่น ๆ วิธีการของเราไม่จำเป็นต้องเลือกเฉพาะข้อมูลการฝึกอบรมที่จะสามารถนำมาใช้ได้ง่ายขึ้นกับการใช้งานจริงของโลก

ผลลัพธ์ (ไทย) 3:

denoising การเคลื่อนไหวของมนุษย์เป็นขั้นตอนที่ขาดไม่ได้ของข้อมูล preprocessing หลายเคลื่อนไหวโดยใช้โปรแกรม ในกระดาษนี้เราเสนอ - การเคลื่อนไหวที่ใช้วิธีการที่เบาบางมนุษย์ denoising เลือกส่วนใหญ่มีฐานย่อยของการเคลื่อนไหวเพื่อการฟื้นฟูการเคลื่อนไหวที่สะอาด ซึ่งใช้สถิติคุณสมบัติทั่วไปสองเสียง คือ เสียงและลักษณะผิดปกติ , เข้าบัญชี 4 วัตถุประสงค์การทำงาน โดยเฉพาะอย่างยิ่ง , วิธีการคือแบ่งออกเป็นห้าพาร์ทิชันแต่ละมนุษย์ก่อให้เกิด termed เป็น poselets ให้ได้มากที่ละเอียดยิ่งก่อให้เกิดการเป็นตัวแทน แล้ว poselets เหล่านี้จัดเป็นหลายกลุ่มที่ใช้กัน poselet lagged หน้าต่างย้ายข้ามลำดับการเคลื่อนไหวทั้งหมด เพื่อรักษาพื้นที่ซึ่งฝังตัวและรูปแบบการเคลื่อนไหว . หลังจากนั้นห้ากระชับพจนานุกรมและเคลื่อนไหวตัวแทนจะถูกสร้างขึ้นในแบบขนานโดยเร็ว k-svd ในขั้นตอนการฝึกอบรม พวกเขาจะใช้ในการลบเสียงรบกวนและเสียงเคลื่อนไหวผิดปกติจากลำดับในขั้นตอนการทดสอบ โดยการแก้ไขปัญหา 1-minimization ℓ . การทดลองแสดงให้เห็นว่าวิธีการที่กว้างขวางของเรามีประสิทธิภาพดีกว่าคู่แข่ง ที่สำคัญ เมื่อเทียบกับวิธีอื่น ๆ - ตามวิธีของเรา ไม่ต้องเจาะจงเลือกข้อมูลการฝึกอบรม สามารถประยุกต์ใช้ได้ง่ายขึ้นที่จะใช้โปรแกรม