Search

In this thesis, we study the problem denoted as Non-Rigid Structure from Motion and tackle the two distinct parts of the problem: motion and shape estimation together with the corresponding temporal segmentation into actions of the body. For the motion estimation, we implement a Single Rotation algorithm (SRA) based on the Weiszfeld algorithm for the median of points in Rn . We use Brand’s method to obtain a full corrective matrix and several estimates for the rotation matrices but find that the first column triplet obtains better results than any of the triplets found by Brand’s method, making SRA pointless. For the shape factor, we make an assumption that shapes lie in a temporal union of subspaces. We perform Sparse Subspace Clustering to jointly reconstruct the shape matrix while computing an affinity matrix that can be used to cluster frames of the input data according to which subspace they belong to., En esta tesis, estudiamos el problema de Non-Rigid Structure from Motion y abordamos dos partes distintas del problema: estimación de movimiento y forma junto con la correspondiente segmentación temporal en acciones del cuerpo no-rígido. Para la estimación del movimiento, implementamos un Single Rotation Averaging (SRA) basado en el algoritmo de Weiszfeld para la mediana de puntos en R^n. Usamos el método de Brand para obtener una matriz correctiva completa y varias estimaciones para las matrices de rotación, pero encontramos que la primera tripleta de columnas obtiene mejores resultados que cualquiera de las tripletas encontrados por el método de Brand, haciendo que SRA sea inútil. Para el factor de forma, asumimos que las formas se encuentran en una unión temporal de subespacios. Realizamos Sparse Subspace Clustering para conjuntamente reconstruir la matriz de forma mientras se calcula una matriz de afinidad que se puede utilizar para agrupar los frames de los datos de entrada según a qué subespacio pertenecen., En aquesta tesi, estudiem el problema de Non-Rigid Structure from Motion i abordem dues parts diferents del problema: estimació de moviment i forma juntament amb la corresponent segmentació temporal en accions del cos no rígid. Per a l'estimació del moviment, implementem un Single Rotation Averaging (SRA) basat en l'algorisme de Weiszfeld per a la mitjana de punts a R^n. Fem servir el mètode de Brand per obtenir una matriu correctiva completa i diverses estimacions per a les matrius de rotació, però trobem que la primera tripleta de columnes obté millors resultats que qualsevol de les tripletes trobades pel mètode de Brand, fent que SRA sigui inútil. Per al factor de forma, assumim que les formes es troben en una unió temporal de subespais. Realitzem Sparse Subspace Clustering per conjuntament reconstruir la matriu, mentre es calcula una matriu d'afinitat que es pot utilitzar per agrupar els frames dades d'entrada segons a quin subespai pertanyen.

In this thesis, we study the problem denoted as Non-Rigid Structure from Motion and tackle the two distinct parts of the problem: motion and shape estimation together with the corresponding temporal segmentation into actions of the body. For the motion estimation, we implement a Single Rotation algorithm (SRA) based on the Weiszfeld algorithm for the median of points in Rn . We use Brand’s method to obtain a full corrective matrix and several estimates for the rotation matrices but find that the first column triplet obtains better results than any of the triplets found by Brand’s method, making SRA pointless. For the shape factor, we make an assumption that shapes lie in a temporal union of subspaces. We perform Sparse Subspace Clustering to jointly reconstruct the shape matrix while computing an affinity matrix that can be used to cluster frames of the input data according to which subspace they belong to.