論文の概要: Deep Learning for Fitness

• arxiv url: http://arxiv.org/abs/2109.01376v1
• Date: Fri, 3 Sep 2021 08:42:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-06 13:57:43.103399
• Title: Deep Learning for Fitness
• Title（参考訳）: フィットネスの深層学習
• Authors: Mahendran N
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present Fitness tutor, an application for maintaining correct posture during workout exercises or doing yoga. Current work on fitness focuses on suggesting food supplements, accessing workouts, workout wearables does a great job in improving the fitness. Meanwhile, the current situation is making difficult to monitor workouts by trainee. Inspired by healthcare innovations like robotic surgery, we design a novel application Fitness tutor which can guide the workouts using pose estimation. Pose estimation can be deployed on the reference image for gathering data and guide the user with the data. This allow Fitness tutor to guide the workouts (both exercise and yoga) in remote conditions with a single reference posture as image. We use posenet model in tensorflow with p5js for developing skeleton. Fitness tutor is an application of pose estimation model in bringing a realtime teaching experience in fitness. Our experiments shows that it can leverage potential of pose estimation models by providing guidance in realtime.
• Abstract（参考訳）: 運動運動中やヨガ中の姿勢を正しく維持するためのFitness Tutorを提案する。 フィットネスに関する現在の研究は、食品サプリメントの提案、ワークアウトへのアクセス、ワークアウトウェアラブルはフィットネスを改善する上で素晴らしい仕事をしている。 一方、現在の状況は研修生によるワークアウトの監視が困難になっている。 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。 ポース推定は、データを集め、ユーザをデータで案内する参照画像上に展開することができる。 これにより、Fitnessの教師は、リモート環境でトレーニング(運動とヨガの両方)をイメージとして単一の基準姿勢でガイドすることができる。 tensorflowではpassenetモデルとp5jsを使ってスケルトンを開発しています。 fitness tutorは、ポーズ推定モデルの応用であり、フィットネスにリアルタイムの教育体験をもたらす。 提案実験により,ポーズ推定モデルのポテンシャルをリアルタイムに活用できることが示唆された。

関連論文リスト

• Learning Hand State Estimation for a Light Exoskeleton [50.05509088121445]
  そこで本研究では,光エクソスケトンを用いた手の状態推定手法を提案する。 本研究は,前腕の筋活動と外骨格の運動から得られる情報を用いて,手指の開度とコンプライアンスレベルを再構築する指導的アプローチを構築する。 我々のアプローチは本物の光のエクソスケルトンで検証されている。
  論文  参考訳（メタデータ） (2024-11-14T09:12:38Z)
• Scaling Laws and Compute-Optimal Training Beyond Fixed Training Durations [62.132347451049455]
  スケールは強力な機械学習モデルを得る上で重要な要素となっている。 本研究では,コサインのスケジュールに依存するため,スケールとトレーニングの研究は必然的に複雑である,と論じる。 その結果,重量平均化はトレーニングの軌道に沿って,異なるスケールでのトレーニングコストを伴わずに向上することがわかった。
  論文  参考訳（メタデータ） (2024-05-28T17:33:54Z)
• 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)
• Imposing Temporal Consistency on Deep Monocular Body Shape and Pose Estimation [67.23327074124855]
  本稿では,適合過程における時間的制約の統合に対するエレガントな解法を提案する。 我々は、顎ポーズ、表情、指ポーズを含む人物の形状と動きを表す一連の身体モデルのパラメーターを導出する。 本手法は,表情や手話を含む画像系列からリアルな3次元体モデルの導出を可能にする。
  論文  参考訳（メタデータ） (2022-02-07T11:11:55Z)
• LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human Bodies [78.17425779503047]
  本稿では,人体に対する新しい暗黙の表現法を提案する。 完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。 我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
  論文  参考訳（メタデータ） (2021-11-30T04:10:57Z)
• 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)
• Pose Trainer: Correcting Exercise Posture using Pose Estimation [7.005458308454871]
  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。
  論文  参考訳（メタデータ） (2020-06-21T05:51:37Z)

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。