論文の概要: Pedestrian orientation dynamics from high-fidelity measurements
- arxiv url: http://arxiv.org/abs/2001.04646v1
- Date: Tue, 14 Jan 2020 07:08:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 13:27:42.221377
- Title: Pedestrian orientation dynamics from high-fidelity measurements
- Title（参考訳）: 高忠実度測定による歩行者配向ダイナミクス
- Authors: Joris Willems, Alessandro Corbetta, Vlado Menkovski, Federico Toschi
- Abstract要約: 本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。
提案手法は, 誤差を7.5度まで低減し, 向きを推定できることを示す。
このツールは、方向が鍵となる人間の群集力学の研究において、新たな可能性を開く。
- 参考スコア（独自算出の注目度）: 65.06084067891364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate in real-life conditions and with very high accuracy the
dynamics of body rotation, or yawing, of walking pedestrians - an highly
complex task due to the wide variety in shapes, postures and walking gestures.
We propose a novel measurement method based on a deep neural architecture that
we train on the basis of generic physical properties of the motion of
pedestrians. Specifically, we leverage on the strong statistical correlation
between individual velocity and body orientation: the velocity direction is
typically orthogonal with respect to the shoulder line. We make the reasonable
assumption that this approximation, although instantaneously slightly
imperfect, is correct on average. This enables us to use velocity data as
training labels for a highly-accurate point-estimator of individual
orientation, that we can train with no dedicated annotation labor. We discuss
the measurement accuracy and show the error scaling, both on synthetic and
real-life data: we show that our method is capable of estimating orientation
with an error as low as 7.5 degrees. This tool opens up new possibilities in
the studies of human crowd dynamics where orientation is key. By analyzing the
dynamics of body rotation in real-life conditions, we show that the
instantaneous velocity direction can be described by the combination of
orientation and a random delay, where randomness is provided by an
Ornstein-Uhlenbeck process centered on an average delay of 100ms. Quantifying
these dynamics could have only been possible thanks to a tool as precise as
that proposed.
- Abstract（参考訳）: 本研究では, 歩行歩行者の身体回転, 歩行動作の動態を, 実生活環境において極めて高精度に調査し, 形状, 姿勢, 歩行動作の多様さから, 非常に複雑な作業を行う。
本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。
具体的には、個々の速度と身体の向きの強い統計的相関を利用して、速度方向は肩線に対して直交する。
この近似は、瞬時にわずかに不完全ではあるが平均的に正しいという合理的な仮定を立てる。
これにより,個別方向の高精度なポイント推定のためのラベルとして速度データを使用できるため,専門的なアノテーション作業が不要なトレーニングが可能となる。
本研究では, 合成データと実時間データの両方において, 測定精度を議論し, 誤差スケーリングを示す。
このツールは、方向が重要な人間の群集ダイナミクスの研究において、新たな可能性を開く。
実生活環境における身体回転のダイナミクスを解析した結果,平均遅延100msを中心とするornstein-uhlenbeckプロセスによってランダム性が与えられる方向とランダム遅延の組み合わせにより,瞬時速度方向を記述できることを示した。
これらのダイナミクスを定量化することは、提案されたツールの正確さのおかげで可能だった。
関連論文リスト
- Tight Fusion of Events and Inertial Measurements for Direct Velocity
Estimation [20.002238735553792]
本研究では,通常のカメラの代わりに動的視覚センサを用いて,一階キネマティクスのレベルで直接視覚-慣性融合を行う新しい手法を提案する。
本研究では, 短時間で高ダイナミックな状況下での速度推定がどのように得られるかを示す。
シミュレーションデータと実データの両方の実験により、提案された密接な事象-慣性融合が連続的かつ信頼性の高い速度推定に繋がることを示した。
論文 参考訳（メタデータ） (2024-01-17T15:56:57Z) - A 5-Point Minimal Solver for Event Camera Relative Motion Estimation [47.45081895021988]
本稿では,直線パラメータと線形カメラ速度予測を推定し,複数の直線を考慮した場合の1つの平均線形速度に融合できる新しい最小5点解法を提案する。
本手法は,既存の閉形式解法が23%から70%しか達成できない線形速度の推定において,連続的に100%の成功率を達成する。
論文 参考訳（メタデータ） (2023-09-29T08:30:18Z) - Gradient-Based Feature Learning under Structured Data [57.76552698981579]
異方性設定では、一般的に使用される球面勾配力学は真の方向を回復できないことがある。
バッチ正規化を連想させる適切な重み正規化は、この問題を軽減することができることを示す。
特に、スパイクモデルの下では、勾配に基づくトレーニングのサンプルの複雑さは情報指数とは独立にできる。
論文 参考訳（メタデータ） (2023-09-07T16:55:50Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - RIOT: Recursive Inertial Odometry Transformer for Localisation from
Low-Cost IMU Measurements [5.770538064283154]
我々は,慣性データにおける空間的特徴と長距離依存性の両方を自己注意を利用して捉えた,不変な深部慣性音韻のポーズのための2つのエンドツーエンドフレームワークを提案する。
我々は、同じデータで同じ方法で訓練されたカスタム2層Gated Recurrent Unitに対するアプローチを評価し、複数の異なるユーザ、デバイス、アクティビティに対してそれぞれのアプローチをテストした。
論文 参考訳（メタデータ） (2023-03-03T00:20:01Z) - A Machine Learning approach for correcting radial velocities using
physical observables [0.0]
シミュレーションと実データを用いて、恒星の活動を自由なドップラーで測定するディープニューラルネットワーク手法の能力について検討する。
RV非依存的アプローチは、既知の物理的効果から急激なドップラー変動を大幅に低減できることを示す。
観測された変動率と補正の一致をよく観察するが,ノイズ低減はシミュレーションほど良くないことがわかった。
論文 参考訳（メタデータ） (2023-01-30T13:25:00Z) - Transformer Inertial Poser: Attention-based Real-time Human Motion
Reconstruction from Sparse IMUs [79.72586714047199]
本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。
提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
論文 参考訳（メタデータ） (2022-03-29T16:24:52Z) - Averaging Spatio-temporal Signals using Optimal Transport and Soft
Alignments [110.79706180350507]
Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。
手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
論文 参考訳（メタデータ） (2022-03-11T09:46:22Z) - IDOL: Inertial Deep Orientation-Estimation and Localization [18.118289074111946]
多くのスマートフォンアプリケーションは、運動を感知するために慣性測定装置(IMU)を使用しているが、歩行者の局所化にこれらのセンサーを使用することは困難である。
近年,慣性航法の可能性が高まっている。
本稿では,まず端末の向きを推定し,次にデバイスの位置を推定するコモディティスマートフォンを用いた2段階のデータ駆動パイプラインを提案する。
論文 参考訳（メタデータ） (2021-02-08T06:41:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。