Generating visually appealing human motion sequences using low-dimensional control signals are one big strand of motion research area in computer graphics. We propose a novel approach to reconstruct full body motion controlled by one smartphone. Smartphone is one of the most public devices and includes several inertial sensors such as accelerometer or gyroscope sensor. For correct mapping between full body pose and smartphone sensor, we optimize motion data to low-dimensional coordinate through Gaussian Process Latent Variable Model. Also, our system considers temporal variation by state decomposition model that automatically segments motion phase and connects between latent space and sensor data using nonlinear regression algorithm. Our combined framework allows for reconstructing plausible motion sequences, and we compare the generated animation to ground truth data from commercial motion capture system.
낮은 차원의 입력 신호로 자연스러운 인간의 움직임을 생성하는 것은 모션 연구 분야에서 큰 흐름 중 하나이다. 본 연구는 한 대의 스마트폰을 이용하여 전체 사람의 움직임을 재현하고자 한다. 스마트폰은 가장 대중적인 기기이며, 가속도계나 자이로스코프 센서와 같은 몇몇 관성센서를 포함하고 있다. 전신의 포즈와 한 대의 스마트폰 센서 데이터간의 정확한 연결을 위해, 우리는 Gaussian Process Latent Variable Model을 통하여 모션 데이터를 낮은 차원의 잠재변수로 최적화시키는 과정을 제시한다. 또한, 자동으로 새로운 센서 데이터를 모션에 맞게 구간을 나누어 주는 상태 분석으로 시간의 변화를 고려하였고, 잠재변수와 센서 데이터 사이를 비선형 회귀 알고리즘으로 학습시켜 연결하였다. 이러한 여러 방법들로 구성된 프레임워크는 좋은 모션 시퀀스 재현 결과를 만들 수 있음을 보여주며, 수치적으로 실제 산업에서 쓰이는 모션 캡쳐 시스템에서 구한 실지 검증 정보와 본 연구의 결과를 비교하였다.