CloudFlowHash: normalized flow-driven binary motion encoding for retrieval-assisted dance training in cloud-native systems

Ahong Yang

doi:10.1186/s40537-026-01549-8

CloudFlowHash: normalized flow-driven binary motion encoding for retrieval-assisted dance training in cloud-native systems

2026-09-12

0

OA

AI

DOI：10.1186/s40537-026-01549-8

原文链接

原文求助

摘要

En 中文

随着舞蹈视频、游戏舞蹈图表和基于模板的运动资源在云平台上的快速增长，高效的舞蹈动作检索对于训练辅助和编舞支持变得越来越重要。在实际应用中，用户不仅需要浏览视频集合，还需要快速找到与目标动作相似的片段、从标准模板中检索可重用片段，或在编舞优化期间搜索参考动作。这些需求给云侧检索系统带来了巨大压力，尤其是在使用传统的实值动作嵌入时，因为它们通常在规模化应用中带来不可忽视的存储开销和检索延迟。为解决此问题，我们提出了CloudFlowHash，一种基于可逆归一化流的云原生二进制动作编码框架。该模型不是直接将动作表示强制编码为离散码，而是首先学习一个具有近离散双模态结构的连续潜在空间，这使得二进制优化更易于管理，同时仍保持动作语义。我们进一步引入了簇一致性正则化项，以减少实值嵌入与其二进制对应项之间的结构失配。在六个基准数据集上的实验表明，CloudFlowHash在存储效率和检索速度方面取得了明显提升，同时保持了有竞争力的排名准确率。这些结果表明，所提出的框架可作为云原生舞蹈训练和编舞辅助系统的高效检索组件，特别是在资源受限的云和边缘云环境中。

Keyword:

Cloud-native systems

Dance motion retrieval

Dance training assistance

Choreography support

Normalized flow

Binary hashing

CloudFlowHash: normalized flow-driven binary motion encoding for retrieval-assisted dance training in cloud-native systems

摘要

期刊

机构

引用论文