要約
本稿では、RGB-D行動認識における異種特徴の学習に注目する。我々は、異なるチャネル（RGB、深度）からの特徴が一部の類似した隠れ構造を共有していることに着目し、共有特徴と特徴固有成分を同時に探索できるように、異種マルチタスク学習の一例として統合学習モデルを提案する。提示されたモデルは一貫したフレームワーク内に構築されており、以下の3つの能力を有している：1）異なる特徴チャネル間で潜在的な共有特徴を活用するため、次元数が同一の複数の部分空間を同時に抽出・探索すること；2）部分空間内の特徴に対して、共有成分と特徴固有成分を定量的に評価すること；3）データセット間で異種特徴の融合学習に向けた特徴固有の中間変換（i-transforms）を転移可能にする。本モデルの効率的な学習のため、三段階の反復最適化アルゴリズムを提案し、それに続くシンプルな推論モデルを構築した。4つの行動データセットを用いた広範な実験結果により、提案手法の有効性が実証された。さらに、人間-物体インタラクションに焦点を当てた新しいRGB-D行動データセットを提供した。このデータセットは、RGB-D行動認識のベンチマークにさらなる課題を提示している。