In this work, we propose a new representation
for articulated shapes, which does not involve
extracting shape components. We first form a
high-dimensional feature space by collecting
local shape information from each shape point
and then perform data analysis to measure the
distinctness of each shape point from the
remaining points. The obtained distinctness
values encode both local and global shape
information. We represent shapes via
histograms of the distinctness values computed
via multiple shape scales.
Bu çalışmada eklemli şekilleri temsil etmek
üzere şekil bileşenlerini bulmayı gerektirmeyen
yeni bir temsil önerilmektedir. Öncelikle her bir
şekil noktasından yerel şekil bilgisi toplanarak
yüksek boyutlu bir öznitelik uzayı
oluşturulmakta ve sonrasında her bir şekil
noktasının kalan noktalara göre özgünlüğünü
ölçmek üzere veri analizi yapılmaktadır. Elde
edilen özgünlük değerleri hem yerel hem de
global şekil bilgisini kodlamaktadır. Şekiller
çoklu şekil ölçekleri vasıtasıyla hesaplanmış
özgünlük değerlerinin histogramları ile temsil
edilmektedir.