• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Inference of Performer Artistic Skill from Artistic Pose Features in Motion Capture Data.
【24h】

Inference of Performer Artistic Skill from Artistic Pose Features in Motion Capture Data.

机译：从动作捕捉数据中的艺术姿势特征推断出表演者的艺术技能。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This thesis proposes a computational aesthetics methodology for measuring the design quality of poses in animation data, and then for predicting the composition skill of the source artist. We draw from animation and performing arts principles to select pose features and design metrics for supervised learning on a corpus of extracted 3D poses. Though our approach is designed to be general enough to apply to aesthetic features in any performative figure data, we choose three features to investigate and conduct specific experiments using motion captured data from live performers in the domain of dance. An initial pilot study is conducted on pose data from a dance instructor to assess our metrics, and then a formal experiment is conducted on performance captured data from participants playing a popular Kinect dance videogame. Principal component analysis is utilized to identify low-level skeletal features, and then supervised learning experiments are conducted to infer performer skill from figure composition quality based on metric scores. Results show statistical correlations between intuitive skill rankings, game score distributions, and metric ratings. This thesis provides a methodological foundation for future work in scientifically studying the arts to formalize principles of figure representation.
机译：本文提出了一种计算美学的方法，用于测量动画数据中姿势的设计质量，然后预测来源艺术家的构图技巧。我们从动画和表演艺术原理中汲取经验，以选择姿势特征和设计指标，以对提取的3D姿势的语料库进行监督学习。尽管我们的方法设计得足够通用，可以应用于任何表演人物数据中的美学特征，但我们还是选择了三种特征来研究并使用来自舞蹈领域中现场表演者的运动捕捉数据进行特定的实验。最初的初步研究是对来自舞蹈教练的姿势数据进行评估，以评估我们的指标，然后对来自玩流行的Kinect舞蹈视频游戏的参与者的性能捕获数据进行正式实验。利用主成分分析来识别低级骨骼特征，然后进行监督学习实验以基于度量值分数从人物构图质量推断表演者的技能。结果显示直观技能排名，游戏分数分布和指标等级之间的统计相关性。本文为以后的科学研究工作提供了方法论基础，以科学地研究人物形象的表达原则。

著录项

  • 作者

    Maraffi, Christopher.;

  • 作者单位

    University of California, Santa Cruz.;

  • 授予单位 University of California, Santa Cruz.;
  • 学科 Computer Science.
  • 学位 M.S.
  • 年度 2014
  • 页码 48 p.
  • 总页数 48
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号