Key points are not available for this paper at this time.
최근 우리는 숨겨진 마르코프 모델(HMM) 프레임워크를 수정하여 HMM 상태의 출력 확률에 전역 매개변수 변화를 통합했습니다. 매개변수 숨겨진 마르코프 모델(PHMM)의 개발은 의미 있는 변화를 보이는 제스처를 동시에 인식하고 해석하는 작업에서 유래하였습니다. 표준 HMM의 경우, 이러한 전역 변화는 인식 과정을 혼란스럽게 만듭니다. 원래의 PHMM 접근법은 출력 밀도 평균이 전역 매개변수에 선형적으로 의존한다고 가정합니다. 본 논문에서는 PHMM을 임의의 매끄러운(비선형) 의존성을 처리하도록 확장합니다. 우리는 PHMM 훈련을 위한 일반화된 기대 최대화(GEM) 알고리즘과 제스처를 동시에 인식하고 매개변수 값을 추정하는 GEM 알고리즘을 제시합니다. 비선형 접근법이 지향 방향의 자연스러운 방위각/고도 매개변수를 허용하는 포인팅 제스처에 대한 결과를 제시합니다.
Wilson et al. (수요일,)는 이 질문을 연구했습니다.