論文の概要: Synthesizing Skeletal Motion and Physiological Signals as a Function of
a Virtual Human's Actions and Emotions
- arxiv url: http://arxiv.org/abs/2102.04548v1
- Date: Mon, 8 Feb 2021 21:56:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-10 18:09:38.576295
- Title: Synthesizing Skeletal Motion and Physiological Signals as a Function of
a Virtual Human's Actions and Emotions
- Title（参考訳）: 仮想人間の行動と感情の機能としての骨格運動と生理的シグナルの合成
- Authors: Bonny Banerjee, Masoumeh Heidari Kapourchali, Murchana Baruah, Mousumi
Deb, Kenneth Sakauye, Mette Olufsen
- Abstract要約: 本研究では, 同期運動, 心電図, 血圧, 呼吸, 皮膚伝導信号の計算モデルからなるシステムを開発した。
提案されたフレームワークはモジュール化されており、柔軟性によってさまざまなモデルを試すことができる。
ラウンド・ザ・タイム・モニタリングのためのML研究を低コストで行うことに加えて、提案されたフレームワークはコードとデータの再利用を可能にする。
- 参考スコア（独自算出の注目度）: 10.59409233835301
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Round-the-clock monitoring of human behavior and emotions is required in many
healthcare applications which is very expensive but can be automated using
machine learning (ML) and sensor technologies. Unfortunately, the lack of
infrastructure for collection and sharing of such data is a bottleneck for ML
research applied to healthcare. Our goal is to circumvent this bottleneck by
simulating a human body in virtual environment. This will allow generation of
potentially infinite amounts of shareable data from an individual as a function
of his actions, interactions and emotions in a care facility or at home, with
no risk of confidentiality breach or privacy invasion. In this paper, we
develop for the first time a system consisting of computational models for
synchronously synthesizing skeletal motion, electrocardiogram, blood pressure,
respiration, and skin conductance signals as a function of an open-ended set of
actions and emotions. Our experimental evaluations, involving user studies,
benchmark datasets and comparison to findings in the literature, show that our
models can generate skeletal motion and physiological signals with high
fidelity. The proposed framework is modular and allows the flexibility to
experiment with different models. In addition to facilitating ML research for
round-the-clock monitoring at a reduced cost, the proposed framework will allow
reusability of code and data, and may be used as a training tool for ML
practitioners and healthcare professionals.
- Abstract（参考訳）: 機械学習(ML)とセンサー技術を用いて自動化できる医療アプリケーションの多くは、人間の行動と感情のラウンド・ザ・クロック・モニタリングが求められている。
残念ながら、そのようなデータの収集と共有のためのインフラストラクチャの欠如は、医療に適用されるML研究のボトルネックです。
私たちの目標は、仮想環境で人体をシミュレートすることで、このボトルネックを回避することです。
これにより、プライバシー侵害やプライバシー侵害のリスクなしに、医療施設や自宅での行動、インタラクション、感情の関数として、個人から潜在的に無限量の共有可能なデータを生成することができる。
本論文では, 骨格運動, 心電図, 血圧, 呼吸, 皮膚伝導性信号を同期的に合成する計算モデルを用いて, オープンエンドの行動と感情の集合として機能するシステムを提案する。
ユーザ研究,ベンチマークデータセット,文献所見との比較を含む実験結果から,本モデルは高い忠実度で骨格運動および生理的シグナルを生成できることが示された。
提案されたフレームワークはモジュール化されており、異なるモデルで実験できる柔軟性がある。
低コストでのラウンド・ザ・クロック監視のためのML研究の促進に加えて、提案されたフレームワークは、コードとデータの再利用を可能にし、ML実践者や医療専門家のトレーニングツールとして使用することができる。
関連論文リスト
- Scaling Wearable Foundation Models [54.93979158708164]
センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。
最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。
この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
論文 参考訳（メタデータ） (2024-10-17T15:08:21Z) - The Role of Functional Muscle Networks in Improving Hand Gesture Perception for Human-Machine Interfaces [2.367412330421982]
表面筋電図(sEMG)はその豊富な情報コンテキストとアクセシビリティのために研究されている。
本稿では,個々の筋活性化ではなく,筋同期の復号化を提案する。
85.1%の精度を実現し、既存の手法に比べて性能が向上した。
論文 参考訳（メタデータ） (2024-08-05T15:17:34Z) - Daily Physical Activity Monitoring -- Adaptive Learning from Multi-source Motion Sensor Data [17.604797095380114]
医療アプリケーションでは、手首のウェアラブルデバイスのような単一のソースからのデータを使用する機械学習モデルを開発する必要性が高まっている。
しかしながら、単一ソースデータを使用することの制限は、人間の活動の全範囲を捉えるのに失敗するため、モデルの精度を損なうことが多い。
実験室で収集したマルチソースデータを活用することにより,日常的なアプリケーションを対象とした機械学習モデルを最適化するトランスファー学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-26T01:08:28Z) - Scaling Up Dynamic Human-Scene Interaction Modeling [58.032368564071895]
TRUMANSは、現在利用可能な最も包括的なモーションキャプチャーHSIデータセットである。
人体全体の動きや部分レベルの物体の動きを複雑に捉えます。
本研究では,任意の長さのHSI配列を効率的に生成する拡散型自己回帰モデルを提案する。
論文 参考訳（メタデータ） (2024-03-13T15:45:04Z) - InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。
そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
論文 参考訳（メタデータ） (2023-11-27T14:32:33Z) - Reconfigurable Data Glove for Reconstructing Physical and Virtual Grasps [100.72245315180433]
本研究では,人間の手-物体相互作用の異なるモードを捉えるために,再構成可能なデータグローブの設計を提案する。
グローブは3つのモードで動作し、異なる特徴を持つ様々な下流タスクを実行する。
i)手の動きと関連力を記録し,(ii)VRの操作流速を改善するとともに,(iii)様々なツールの現実的なシミュレーション効果を生み出すことにより,システムの3つのモードを評価する。
論文 参考訳（メタデータ） (2023-01-14T05:35:50Z) - Open-VICO: An Open-Source Gazebo Toolkit for Multi-Camera-based Skeleton
Tracking in Human-Robot Collaboration [0.0]
この研究は、ガゼボで仮想人間モデルを統合するためのオープンソースツールキットであるOpen-VICOを提示する。
特に、Open-VICOは、現実的な人間のキネマティックモデル、マルチカメラビジョン設定、そして人間の追跡技術と同じシミュレーション環境で組み合わせることができる。
論文 参考訳（メタデータ） (2022-03-28T13:21:32Z) - Self-supervised transfer learning of physiological representations from
free-living wearable data [12.863826659440026]
意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。
我々は、我々のモデルを、最大の自由生活複合センシングデータセット(手首加速度計とウェアラブル心電図データによる280k時間)で評価する。
論文 参考訳（メタデータ） (2020-11-18T23:21:34Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z)
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。