Normalizing flows and deep Q-networks for shape analysis

Denne oppgaven tar for seg to forskjellige tilnærminger for å analysere kurver. I den første tilnærmingen anvender vi dype q-nettverk for å finne en optimal reparametrisering mellom to kurver. Denne reparametriseringen er nødvendig for å sammenligne kurver med metoder fra formanalyse. Den påfølgende optimeringsprosedyren har lineær tidskompleksitet, men konvergerer ikke alltid. I den andre tilnærmingen, bruker vi normaliserende flyt å interpolere og klyngeanalysere data. Vi foreslår en klyngeanalysemetode basert på normaliserende flyt og forventning-maksimering. Ved bruk av denne klyngeanalysemetoden på data fra bevegelsesopptak klarer vi å gruppere gåbevegelser og løpebevegelser i to separate grupper. Vi anvender også normaliserende flyt til å interpolere data fra bevegelsesopptak. Interpolasjonen genererer nye data som har en høy estimert sannsynlighet, men det er ingen stor visuell forskjell fra lineær interpolasjon