要約
点群は豊富な空間情報を含んでおり、ジェスチャー認識において補完的な手がかりを提供する。本論文では、ジェスチャー認識を不規則な時系列認識問題として定式化し、点群時系列間の長期的な空間相関を捉えることを目的とする。提案手法である新しいかつ効果的なPointLSTMは、過去から未来への情報伝搬を実現しつつ、空間構造を保持する。PointLSTMは、過去の近隣点からの状態情報を現在の特徴と組み合わせ、重み共有のLSTM層を用いて現在の状態を更新する。この手法は、他の多くの時系列学習アプローチと組み合わせて利用可能である。ジェスチャー認識のタスクにおいて、提案手法は2つの挑戦的なデータセット（NVGestureおよびSHREC'17）で最先端の性能を達成し、従来のスケルトンベースの手法を上回った。汎化性能の優位性を示すために、MSR Action3Dデータセットでも評価を行った結果、従来のスケルトンベース手法と比較して競争力のある結果を得た。