Sínteses usando CLDS:

Usando os vetores estados ocultos $\lbrace x\rbrace_{t=1}^N$ gerados da seqüencia original de imagens $\lbrace x\rbrace_{t=1}^N$, calculamos as similaridades de estado a estado e são guardadas na matriz $S= \lbrace s_{i,j} \rbrace$ onde $s_{i,j}=\frac{\langle x_i,x_j\rangle}{\sqrt{\langle{ x_i,x_i}\rangle \langle {x_j,x_j}\rangle}}$. Definamos a matriz de transcrição $P$ através de uma função exponencial

$$P_{i,j}=P= \begin{cases} exp\lbrace \gamma s_{i+1,j} \rbrace, & i\neq j\\ 0, & i=j \end{cases}$$

$P$ é normalizada tal que $\sum_j P_{ij}=1$ e $\gamma$ é um numero de 1 a 50. Devemos escolher agora uma seqüencia inicial. Geramos uma seqüencia

$\lbrace{x_{k_1:k_1+\tau-1},x_{k_2:k_2+\tau-1},...,x_{k_h:k_h+\tau-1}}\rbrace$

de $h$ clips onde $x_{k_i:k_i+\tau-1}$ é um clipe curto de $\tau$ frames para $i=1,..,h$ e os clips são tais que $x_{k_i+\tau-1}$ e $x_{k_{i+1}}$ estão muito perto segundo $P$.