본 논문은 Gaussian Process Hidden Semi-Markov Model (GP-HSMM)의 높은 계산 비용 문제를 해결하기 위해 Random Fourier Features (RFF)를 활용한 빠른 비지도 시계열 분할 방법인 RFF-GP-HSMM을 제안합니다. GP-HSMM은 Gaussian Processes를 사용하여 시계열 데이터를 모델링하는데, 학습 과정에서 N x N 크기의 커널 행렬의 역행렬을 계산해야 하므로 데이터 크기가 커짐에 따라 계산 비용이 크게 증가합니다. RFF-GP-HSMM은 RFF를 이용하여 Gaussian Process를 선형 회귀로 근사함으로써 커널 행렬의 역행렬 계산을 없애고, 표현력을 유지하면서 계산 속도를 크게 향상시킵니다. CMU 모션 캡처 데이터셋 실험 결과, 기존 방법과 비슷한 분할 성능을 보이며, 39,200 프레임의 시계열 데이터에서 약 278배 빠른 분할 속도를 달성했습니다.
