A Study on Similar Motion Segment Retrieval in Videos Using Spatio-Temporal Pose Embeddings and Joint Semantic Tag Fusion

온라인 동영상 플랫폼과 숏폼 서비스의 확산으로 다양한 신체 움직임 영상이 증가함에 따라, 서로 다른 수행자와 촬영 환경에서 나타나는 유사 동작 구간을 자동으로 탐색·비교하는 기술의 필요성이 커지고 있다. 본 연구는 동작 영상의 유사 구간을 자동 탐색하고 유사성을 정량적·설명 가능한 형태로 제시하기 위해, ST-GCN 기반 시공간 자세 임베딩과 관절 각도·방향·이동 거리·속도 등의 의미 태그를 결합한 Pose-Tag Fusion 기법을 제안하였다. 실험에는 유튜브 K-POP 댄스 커버 영상 471개, 157곡으로 구성한 1,884개 학습쌍을 활용하고, 5초 단위 Coarse Matching과 1초 단위 Fine Matching을 적용하였다. 비교실험 결과, 제안모델은 Soft-DTW 기반 대리 목표값과 0.9766의 피어슨 상관계수를 보여 비교모델 중 가장 높은 재현 성능을 나타냈다. 또한 전체 영상의 Global Similarity Score는 0.642였으나, Fine Matching으로 탐색된 후보구간은 0.740∼0.754의 유사도를 보였으며 시간적 불일치도 1∼2초 범위에서 보정되었다. 이는 구간 기반 탐색이 전체 영상 비교에서 포착하기 어려운 높은 동작 유사성을 효과적으로 식별할 수 있음을 보여주며, 향후 스포츠 자세 비교, 교육용 동작 피드백, 영상 콘텐츠 검색 및 AI 생성 동작 검증 등에 활용될 수 있음을 시사한다.