Digital dance ethnography: Organizing large dance collections

Authors Info & Claims

Folk dances often reflect the socio-cultural influences prevailing in different periods and nations; each dance produces a meaning, a story with the help of music, costumes and dance moves. However, dances have no borders; they have been transmitted from generation to generation, along different countries, mainly due to movements of people carrying and disseminating their civilization. Studying the contextual correlation of dances along neighboring countries, unveils the evolution of this unique intangible heritage in time, and helps in understanding potential cultural similarities. In this work we present a method for contextually motion analysis that organizes dance data semantically, to form the first digital dance ethnography. Firstly, we break dance motion sequences into some narrow temporal overlapping feature descriptors, named motion and style words, and then cluster them in a high-dimensional features space to define motifs. The distribution of those motion and style motifs creates motion and style signatures, in the content of a bag-of-motifs representation, that implies for a succinct but descriptive portrayal of motions sequences. Signatures are time-scale and temporal-order invariant, capable of exploiting the contextual correlation between dances, and distinguishing fine-grained difference between semantically similar motions. We then use quartet-based analysis to organize dance data into a categorization tree, while inferred information from dance metadata descriptions are then used to set parent-child relationships. We illustrate a number of different organization trees, and portray the evolution of dances over time. The efficiency of our method is also demonstrated in retrieving contextually similar dances from a database.

民俗舞踊は、時代や国によって異なる社会文化的な影響を反映することが多く、それぞれの踊りは、音楽、衣装、踊りの動きによって、意味や物語を生み出します。しかし、舞踊に国境はなく、主に文明を運び、広める人々の動きによって、世代から世代へ、異なる国へと伝えられてきた。近隣諸国の踊りの文脈的な相関関係を研究することは、このユニークな無形遺産の時間的な進化を明らかにし、文化的な類似性の可能性を理解するのに役立ちます。本研究では、ダンスデータを意味的に整理し、初のデジタルダンスエスノグラフィーを形成するための文脈的動作解析手法を提示する。まず、ダンスのモーションシーケンスを、モーションワードとスタイルワードと呼ばれる狭い時間的に重複する特徴記述子に分解し、それらを高次元特徴空間にクラスタリングしてモチーフを定義する。これらのモチーフの分布は、モチーフの袋（bag-of-motifs）表現として、モーションおよびスタイルのシグネチャを生成する。シグネチャは時間スケールと時間順序に不変であり、ダンス間の文脈的相関を利用し、意味的に類似したモーションの間の細かな違いを区別することが可能である。次に、カルテット解析によりダンスデータをカテゴリツリーに整理し、ダンスメタデータ記述から推定される情報を用いて親子関係を設定する。本発表では、様々な分類木を例示し、ダンスの時間的な変遷を示す。また、データベースから文脈的に類似したダンスを検索することで、本手法の効率性を実証する。