パラメータ化されたジェスチャーの解釈のための非線形PHMM

最近、隠れマルコフモデル（HMM）フレームワークを修正し、HMMの状態の出力確率におけるグローバルなパラメトリック変動を組み込みました。パラメトリック隠れマルコフモデル（PHMM）の開発は、意味のある変動を示すジェスチャーの認識と解釈を同時に行うというタスクによって動機づけられました。標準のHMMでは、そのようなグローバルな変動が認識プロセスを混乱させます。元のPHMMアプローチは、出力密度の平均がグローバルパラメータに線形に依存することを前提としています。本論文では、PHMMを任意の滑らかな（非線形）依存関係を処理するように拡張します。PHMMをトレーニングするための一般化された期待値最大化（GEM）アルゴリズムと、ジェスチャーを同時に認識しパラメータの値を推定するためのGEMアルゴリズムを示します。非線形アプローチにより、指し示す方向の自然な方位/仰角パラメータ化を可能にする指差しジェスチャーの結果を示します。