論文の概要: 3D Human Pose Estimation for Free-form Activity Using WiFi Signals

• arxiv url: http://arxiv.org/abs/2110.08314v1
• Date: Fri, 15 Oct 2021 18:47:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 18:19:17.999424
• Title: 3D Human Pose Estimation for Free-form Activity Using WiFi Signals
• Title（参考訳）: wifi信号を用いた自由形行動のための3次元ポーズ推定
• Authors: Yili Ren and Jie Yang
• Abstract要約: Winectは、コモディティWiFiデバイスを使用したフリーフォームアクティビティのための3Dヒューマンポーズトラッキングシステムである。 我々のシステムは、人間の関節からなる3D骨格のポーズを推定することにより、自由形態の活動を追跡する。
• 参考スコア（独自算出の注目度）: 5.2245900672091
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: WiFi human sensing has become increasingly attractive in enabling emerging human-computer interaction applications. The corresponding technique has gradually evolved from the classification of multiple activity types to more fine-grained tracking of 3D human poses. However, existing WiFi-based 3D human pose tracking is limited to a set of predefined activities. In this work, we present Winect, a 3D human pose tracking system for free-form activity using commodity WiFi devices. Our system tracks free-form activity by estimating a 3D skeleton pose that consists of a set of joints of the human body. In particular, we combine signal separation and joint movement modeling to achieve free-form activity tracking. Our system first identifies the moving limbs by leveraging the two-dimensional angle of arrival of the signals reflected off the human body and separates the entangled signals for each limb. Then, it tracks each limb and constructs a 3D skeleton of the body by modeling the inherent relationship between the movements of the limb and the corresponding joints. Our evaluation results show that Winect is environment-independent and achieves centimeter-level accuracy for free-form activity tracking under various challenging environments including the none-line-of-sight (NLoS) scenarios.
• Abstract（参考訳）: wifiの人間センシングは、新しい人間とコンピュータのインタラクションアプリケーションを可能にするためにますます魅力的になっている。 対応する手法は、複数の活動型の分類から、よりきめ細かい人間のポーズの追跡へと徐々に進化してきた。 しかし、既存のwifiベースの3d人間のポーズ追跡は、一連の事前定義されたアクティビティに限定されている。 本研究では,コモディティWiFiデバイスを用いたフリーフォーム活動のための3次元ポーズトラッキングシステムWinectを提案する。 本システムでは、人体の関節からなる3次元骨格ポーズを推定することで、フリーフォーム活動を追跡する。 特に,自由形式の活動追跡を実現するために信号分離と協調運動モデルを組み合わせた。 本システムではまず,人体から反射する信号の2次元的到着角を利用して手足の動きを識別し,各手足の絡み合った信号を分離する。 そして、各手足を追跡し、手足の運動とそれに対応する関節の固有の関係をモデル化して体の3D骨格を構築する。 評価の結果,Winectは環境非依存であり,NLoS(Noth-line-of-sight)シナリオを含む難易度環境下でのフリーフォーム活動追跡の精度が向上した。

関連論文リスト

• Sitcom-Crafter: A Plot-Driven Human Motion Generation System in 3D Scenes [83.55301458112672]
  Sitcom-Crafterは3D空間における人間のモーション生成システムである。 機能生成モジュールの中心は、我々の新しい3Dシーン対応ヒューマン・ヒューマン・インタラクションモジュールである。 拡張モジュールは、コマンド生成のためのプロット理解、異なるモーションタイプのシームレスな統合のためのモーション同期を含む。
  論文  参考訳（メタデータ） (2024-10-14T17:56:19Z)
• Towards Precise 3D Human Pose Estimation with Multi-Perspective Spatial-Temporal Relational Transformers [28.38686299271394]
  人間のポーズ検出のための3次元シーケンス・ツー・シーケンス(seq2seq)フレームワークを提案する。 まず、空間モジュールは人物のポーズ特徴を画像内コンテンツで表現し、フレーム・イメージ関係モジュールは時間的関係を抽出する。 提案手法は,一般的な3次元ポーズ検出データセットであるHuman3.6Mを用いて評価する。
  論文  参考訳（メタデータ） (2024-01-30T03:00:25Z)
• Intelligent Knee Sleeves: A Real-time Multimodal Dataset for 3D Lower Body Motion Estimation Using Smart Textile [2.2008680042670123]
  本稿では,人間のポーズ推定のために,Intelligent Knee Sleevesの新たなペアを用いてベンチマークを収集したマルチモーダルデータセットを提案する。 本システムは,Knee Sleevesの時系列データと,可視化されたモーションキャプチャーカメラシステムからの対応する地上真実ラベルからなる同期データセットを利用する。 我々はこれらを用いて、異なる活動を行う個人のウェアラブルデータのみに基づく3次元人体モデルを生成する。
  論文  参考訳（メタデータ） (2023-10-02T00:34:21Z)
• GRIP: Generating Interaction Poses Using Spatial Cues and Latent Consistency [57.9920824261925]
  手は器用で多用途なマニピュレータであり、人間が物体や環境とどのように相互作用するかの中心である。 現実的な手オブジェクトの相互作用をモデル化することは、コンピュータグラフィックス、コンピュータビジョン、混合現実の応用において重要である。 GRIPは、体と物体の3次元運動を入力として取り、物体の相互作用の前、中、後の両方の両手の現実的な動きを合成する学習ベースの手法である。
  論文  参考訳（メタデータ） (2023-08-22T17:59:51Z)
• Task-Oriented Human-Object Interactions Generation with Implicit Neural Representations [61.659439423703155]
  TOHO: 命令型ニューラル表現を用いたタスク指向型ヒューマンオブジェクトインタラクション生成 本手法は時間座標のみでパラメータ化される連続運動を生成する。 この研究は、一般的なヒューマン・シーンの相互作用シミュレーションに向けて一歩前進する。
  論文  参考訳（メタデータ） (2023-03-23T09:31:56Z)
• 3D Human Pose Estimation for Free-from and Moving Activities Using WiFi [7.80781386916681]
  GoPoseは、家庭でWiFiデバイスを使用する3Dスケルトンに基づく人間のポーズ推定システムだ。 当社のシステムでは,センサを装着したり携帯したりする必要はなく,家庭環境にすでに存在するWiFiデバイスを大量採用するために再利用することができる。
  論文  参考訳（メタデータ） (2022-04-16T21:58:24Z)
• 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)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)
• Human POSEitioning System (HPS): 3D Human Pose Estimation and Self-localization in Large Scenes from Body-Mounted Sensors [71.29186299435423]
  HPS(Human POSEitioning System)は、周囲の環境の3Dスキャンで登録された人間の完全な3Dポーズを回復する手法です。 最適化に基づく統合は2つの利点を生かし、結果としてドリフトのないポーズの精度が得られることを示す。 hpsは、人間が外部カメラに直接視線を向けなくてもシーンと対話できるvr/arアプリケーションとして使用できる。
  論文  参考訳（メタデータ） (2021-03-31T17:58:31Z)

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。