Fugu-MT 論文翻訳(概要): A Primer on Motion Capture with Deep Learning: Principles, Pitfalls and Perspectives

論文の概要: A Primer on Motion Capture with Deep Learning: Principles, Pitfalls and Perspectives

arxiv url: http://arxiv.org/abs/2009.00564v2
Date: Wed, 2 Sep 2020 20:29:12 GMT
ステータス: 処理完了
システム内更新日: 2022-10-23 01:02:13.901657
Title: A Primer on Motion Capture with Deep Learning: Principles, Pitfalls and Perspectives
Title（参考訳）: 深層学習によるモーションキャプチャーの原理と落とし穴と展望
Authors: Alexander Mathis and Steffen Schneider and Jessy Lauer and Mackenzie W. Mathis
Abstract要約: このプライマーでは、深層学習によるモーションキャプチャーの芽生えた分野を概観する。我々はこれらの新しいアルゴリズムの原理について議論し、その可能性と実験者の落とし穴を明らかにする。
参考スコア（独自算出の注目度）: 67.34875595325597
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Extracting behavioral measurements non-invasively from video is stymied by the fact that it is a hard computational problem. Recent advances in deep learning have tremendously advanced predicting posture from videos directly, which quickly impacted neuroscience and biology more broadly. In this primer we review the budding field of motion capture with deep learning. In particular, we will discuss the principles of those novel algorithms, highlight their potential as well as pitfalls for experimentalists, and provide a glimpse into the future.
Abstract（参考訳）: ビデオから非侵襲的に行動測定を抽出することは、それがハードな計算問題であるという事実に悩まされる。近年のディープラーニングの進歩は、ビデオから直接姿勢を予測し、すぐに神経科学や生物学に影響を与えた。このプライマーでは、深層学習によるモーションキャプチャーの芽生えた分野を概観する。特に、これらの新しいアルゴリズムの原理について議論し、その可能性と実験者の落とし穴を強調し、未来を垣間見る。

関連論文リスト

Hebbian Learning based Orthogonal Projection for Continual Learning of Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文参考訳（メタデータ） (2024-02-19T09:29:37Z)
PIVOT: Prompting for Video Continual Learning [50.80141083993668]
PIVOTは、画像領域から事前学習したモデルにおける広範な知識を活用する新しい手法である。実験の結果,PIVOTは20タスクのアクティビティネット設定において,最先端の手法を27%向上することがわかった。
論文参考訳（メタデータ） (2022-12-09T13:22:27Z)
Resolving Copycat Problems in Visual Imitation Learning via Residual Action Prediction [10.275717930942989]
観察履歴の模倣は, 最新の観察結果の模倣よりも悪い結果が得られた。本稿では,この課題に対処しない,新しい模倣学習ニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-07-20T07:15:32Z)
Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
この本はコンピュータビジョンの分野における科学的進歩を批判している。情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
論文参考訳（メタデータ） (2022-06-30T15:20:36Z)
Neuronal Learning Analysis using Cycle-Consistent Adversarial Networks [4.874780144224057]
我々は、-CycleGANと呼ばれる深層生成モデルを用いて、前学習と後学習の神経活動の間の未知のマッピングを学習する。我々は,カルシウム蛍光信号を前処理し,訓練し,評価するためのエンドツーエンドパイプラインを開発し,その結果の深層学習モデルを解釈する手法を開発した。
論文参考訳（メタデータ） (2021-11-25T13:24:19Z)
Physics-based Deep Learning [22.248409468073145]
デジタルブックには、物理シミュレーションの文脈におけるディープラーニングに関するあらゆることに関する実践的で包括的な紹介が含まれている。 Jupyterノートブックという形で手書きのコード例を加えて、すぐに始める。データからの標準的な教師付き学習以外にも、物理的損失の制約、より密結合した学習アルゴリズムと微分可能なシミュレーション、強化学習と不確実性モデリングについても検討する。
論文参考訳（メタデータ） (2021-09-11T09:38:02Z)
Review of Video Predictive Understanding: Early ActionRecognition and Future Action Prediction [39.966828592322315]
アクション予測は、ビデオ予測理解の重要なサブ領域である。様々な数学的ツールが、これらの2つのタスクに対してコンピュータビジョン技術と共に広く採用されている。深層畳み込みニューラルネットワークと繰り返しニューラルネットワークに依存する構造は、既存の視覚タスクの性能を改善するために広く提案されている。
論文参考訳（メタデータ） (2021-07-11T22:46:52Z)
A Study of the Mathematics of Deep Learning [1.14219428942199]
深層学習」/「深層ニューラルネットワーク」は、人工知能の最先端のタスクにますます展開されている技術的驚異です。この論文は、これらの新しいディープラーニングのパラダイムの強力な理論基盤を構築するためのいくつかのステップを踏む。
論文参考訳（メタデータ） (2021-04-28T22:05:54Z)
Deep Recurrent Encoder: A scalable end-to-end network to model brain signals [122.1055193683784]
複数の被験者の脳応答を一度に予測するために訓練されたエンドツーエンドのディープラーニングアーキテクチャを提案する。 1時間の読解作業で得られた大脳磁図(meg)記録を用いて,このアプローチを検証した。
論文参考訳（メタデータ） (2021-03-03T11:39:17Z)
Self-Supervised Human Depth Estimation from Monocular Videos [99.39414134919117]
人間の深度を推定する従来の方法は、しばしば地上の真実の深度データを用いた教師あり訓練を必要とする。本稿では,YouTubeビデオの奥行きを知ることなく,自己指導型手法を提案する。実験により,本手法はより一般化され,野生のデータに対してより優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2020-05-07T09:45:11Z)

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。