Итоги дня 065

День 065, мы посмотрели на Последователя вариаций жестов. Вы можете наверстать упущенное по ссылке ниже.



Сегодня мы рассмотрим, как работает Gesture Variation Follower.

Работа со временем

Как работает вариация жеста.

Мы изучили основные возможности GVF. Он может классифицировать самые ранние жесты и выравнивать их в реальном времени, а также оценивать изменения в реальном времени, такие как скорость и размер. Итак, как же работает GVF?

Например, для работы GVF требуется хотя бы один записанный шаблон жеста. Как и в DTW, шаблон жеста представляет собой последовательность функций, таких как последовательность значений X, Y, захваченных мышью. Фаза записи называется обучением. В GVF этап обучения состоит в записи столько шаблонов жестов, сколько мы хотим. Таким образом, целью GVF является оценка набора элементов в режиме реального времени. Эти элементы являются частью модели и представляют собой распознаваемые жесты, задаваемые индексом ее шаблона, последовательность распознаваемых жестов задается непрерывным значением от нуля до единицы, тогда как ноль является начальной точкой шаблона, а единица - конечной точкой. . И другие элементы - это относительный размер и относительная скорость, все непрерывные значения.

Когда мы говорим об оценке этих элементов в реальном времени, мы имеем в виду, что оценочное значение каждого из них обновляется при каждом новом наблюдении. Как в последователе жестов. Наблюдение является образцом жеста. В случае с мышью наблюдением является точка X, Y в определенный момент времени T. Процесс оценки этих элементов называется выводом. Выполнение вывода в реальном времени также называется инкрементным выводом. Поскольку он постепенно обновляется при каждом новом наблюдении.

Итак, теперь вопрос в том, как мы делаем вывод? присоединяйтесь ко мне завтра, когда мы научимся делать выводы. Это все, что касается дня 066. Надеюсь, вы нашли это информативным. Спасибо, что нашли время в своем графике и позволили мне быть вашим проводником в этом путешествии. И до следующего раза, будь легендой.

Ссылки

https://www.kadenze.com/courses/machine-learning-for-musicians-and-artists-v/sessions/working-with-time