論文の概要: Pose Trainer: Correcting Exercise Posture using Pose Estimation

• arxiv url: http://arxiv.org/abs/2006.11718v1
• Date: Sun, 21 Jun 2020 05:51:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 12:13:38.700191
• Title: Pose Trainer: Correcting Exercise Posture using Pose Estimation
• Title（参考訳）: Pose Trainer: Pose Estimation を用いた運動姿勢の修正
• Authors: Steven Chen and Richard R. Yang
• Abstract要約: Pose Trainerは、ユーザのエクササイズポーズを検出し、ユーザがフォームをどのように改善できるかについて、パーソナライズされた詳細なレコメンデーションを提供するアプリケーションである。 個人的トレーニングガイドラインに基づいて、100以上のエクササイズビデオのデータセットを記録し、幾何学的ヒューリスティックな機械学習アルゴリズムを構築して評価する。
• 参考スコア（独自算出の注目度）: 7.005458308454871
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fitness exercises are very beneficial to personal health and fitness; however, they can also be ineffective and potentially dangerous if performed incorrectly by the user. Exercise mistakes are made when the user does not use the proper form, or pose. In our work, we introduce Pose Trainer, an application that detects the user's exercise pose and provides personalized, detailed recommendations on how the user can improve their form. Pose Trainer uses the state of the art in pose estimation to detect a user's pose, then evaluates the vector geometry of the pose through an exercise to provide useful feedback. We record a dataset of over 100 exercise videos of correct and incorrect form, based on personal training guidelines, and build geometric-heuristic and machine learning algorithms for evaluation. Pose Trainer works on four common exercises and supports any Windows or Linux computer with a GPU.
• Abstract（参考訳）: フィットネスのエクササイズは、個人の健康やフィットネスにとって非常に有益であるが、ユーザーが誤って行えば、効果がなく、潜在的に危険であることもある。 エクササイズミスは、ユーザが適切なフォームやポーズを使用しない場合に発生する。 本研究では,ユーザの運動姿勢を検知し,ユーザのフォーム改善方法に関するパーソナライズされた詳細なレコメンデーションを提供するアプリケーションであるposits trainerを紹介する。 Pose Trainerは、ポーズ推定にポーズの状態を使用してユーザのポーズを検出し、エクササイズを通じてポーズのベクトル幾何学を評価し、有用なフィードバックを提供する。 100以上のエクササイズビデオのデータセットを個人のトレーニングガイドラインに基づいて記録し,幾何学的ヒューリスティックと機械学習による評価アルゴリズムを構築した。 Pose Trainerは4つの一般的なエクササイズで動作し、GPUを備えたWindowsまたはLinuxコンピュータをサポートする。

関連論文リスト

• ExpertAF: Expert Actionable Feedback from Video [81.46431188306397]
  本研究では,身体活動を行う人の映像から行動可能なフィードバックを生成する新しい手法を提案する。 提案手法は,映像のデモンストレーションとそれに伴う3Dボディーポーズを取り,専門家による解説を生成する。 提案手法は,マルチモーダルな入力の組み合わせを解析し,フルスペクトルで実用的なコーチングを出力することができる。
  論文  参考訳（メタデータ） (2024-08-01T16:13:07Z)
• Interactive Garment Recommendation with User in the Loop [77.35411131350833]
  我々は,服を作るために補完的なアイテムを推奨するので,ユーザ反応を統合することでユーザプロファイルをその場で構築することを提案する。 本稿では,適切な衣服を提案し,ユーザのフィードバックを取り入れて推薦を改善することができる強化学習エージェントを提案する。
  論文  参考訳（メタデータ） (2024-02-18T16:01:28Z)
• A Spatial-Temporal Transformer based Framework For Human Pose Assessment And Correction in Education Scenarios [6.146739983645156]
  骨格追跡、ポーズ推定、姿勢評価、姿勢補正モジュールを含む。 視覚援助の形で補正フィードバックを提供するためにポーズ補正法を作成する。 その結果,本モデルは学生の行動の質を効果的に測定し,コメントできることがわかった。
  論文  参考訳（メタデータ） (2023-11-01T09:53:38Z)
• Using Learnable Physics for Real-Time Exercise Form Recommendations [2.1548132286330453]
  本稿では,エクササイズ手法の問題点を診断し,修正レコメンデーションを提供するアルゴリズムパイプラインを提案する。 我々は、ポーズ認識にMediaPipeを使用し、ピークプロミネンス検出による反復数をカウントし、学習可能な物理シミュレータを用いて動きの進化を追跡する。
  論文  参考訳（メタデータ） (2023-10-11T06:11:11Z)
• 3D Pose Based Feedback for Physical Exercises [87.35086507661227]
  ユーザが犯した誤りを識別する学習ベースのフレームワークを導入する。 私たちのフレームワークはハードコードされたルールに頼るのではなく、データからそれらを学ぶのです。 提案手法は90.9%の誤り識別精度を示し,94.2%の誤り訂正に成功した。
  論文  参考訳（メタデータ） (2022-08-05T16:15:02Z)
• Domain Knowledge-Informed Self-Supervised Representations for Workout Form Assessment [12.040334568268445]
  ラベルのないサンプルから運動特異的表現を学習することを提案する。 特に、ドメイン知識に基づく自己教師型アプローチでは、運動動作の調和運動を利用する。 自己教師型表現は,既成の2次元および3次元の配置推定器よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-28T18:40:02Z)
• Deep Learning for Fitness [0.0]
  フィットネス・チューター(Fitness tutor)は、運動中やヨガを行うときに、正しい姿勢を維持するための応用である。 ロボット手術のような医療革新にインスパイアされた我々は、ポーズ推定を用いてワークアウトをガイドできる新しいアプリケーションFitnessチューターを設計する。
  論文  参考訳（メタデータ） (2021-09-03T08:42:07Z)
• FixMyPose: Pose Correctional Captioning and Retrieval [67.20888060019028]
  本稿では,自動ポーズ修正システムに対応する新しいキャプションデータセットfixmyposeを提案する。 我々は「現在の」ポーズを「ターゲット」ポーズのように見えるように修正する記述を収集する。 MLバイアスを避けるため、さまざまな階層を持つキャラクタ間のバランスを維持します。
  論文  参考訳（メタデータ） (2021-04-04T21:45:44Z)
• Physics-Based Dexterous Manipulations with Estimated Hand Poses and Residual Reinforcement Learning [52.37106940303246]
  ノイズの多い入力ポーズをターゲットの仮想ポーズにマッピングするモデルを学習する。 モデルフリーハイブリッドRL+ILアプローチを用いて残留条件下で訓練する。 筆者らは,VRにおける手動物体の相互作用と,それを用いた手動物体の動作再構成という,手動姿勢推定を用いた2つのアプリケーションで,我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2020-08-07T17:34:28Z)
• Unsupervised Shape and Pose Disentanglement for 3D Meshes [49.431680543840706]
  本研究では,非教師付き環境において,非教師付き形状とポーズ表現を学習するための,シンプルで効果的なアプローチを提案する。 自己整合性と相互整合性の制約を組み合わせて、登録メッシュからポーズと空間の形状を学ぶ。 ポーズ転送や形状検索などのタスクを通じて,学習した表現の有用性を示す。
  論文  参考訳（メタデータ） (2020-07-22T11:00:27Z)

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。