論文の概要: 3D Human Pose Estimation for Free-from and Moving Activities Using WiFi
- arxiv url: http://arxiv.org/abs/2204.07878v1
- Date: Sat, 16 Apr 2022 21:58:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-19 16:37:42.693924
- Title: 3D Human Pose Estimation for Free-from and Moving Activities Using WiFi
- Title（参考訳）: WiFiを用いた自由移動活動のための3次元人物位置推定
- Authors: Yili Ren and Jie Yang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.80781386916681
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents GoPose, a 3D skeleton-based human pose estimation system
that uses WiFi devices at home. Our system leverages the WiFi signals reflected
off the human body for 3D pose estimation. In contrast to prior systems that
need specialized hardware or dedicated sensors, our system does not require a
user to wear or carry any sensors and can reuse the WiFi devices that already
exist in a home environment for mass adoption. To realize such a system, we
leverage the 2D AoA spectrum of the signals reflected from the human body and
the deep learning techniques. In particular, the 2D AoA spectrum is proposed to
locate different parts of the human body as well as to enable
environment-independent pose estimation. Deep learning is incorporated to model
the complex relationship between the 2D AoA spectrums and the 3D skeletons of
the human body for pose tracking. Our evaluation results show GoPose achieves
around 4.7cm of accuracy under various scenarios including tracking unseen
activities and under NLoS scenarios.
- Abstract（参考訳）: 本稿では,家庭におけるWiFiデバイスを用いた3Dスケルトンを用いた人体ポーズ推定システムであるGoPoseについて述べる。
本システムは人体から反射するWiFi信号を利用して3次元ポーズ推定を行う。
特殊なハードウェアや専用センサーを必要とする従来のシステムとは対照的に、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。
このようなシステムを実現するために,人体から反射される信号の2次元AoAスペクトルと深層学習技術を利用する。
特に、2次元aoaスペクトルは、人体の異なる部分の特定と、環境に依存しないポーズ推定を可能にするために提案されている。
深層学習は、ポーズ追跡のために2d aoaスペクトルと人体の3d骨格の間の複雑な関係をモデル化するために組み込まれている。
評価の結果、GoPoseは、見えないアクティビティやNLoSシナリオの追跡など、さまざまなシナリオで約4.7cmの精度を達成した。
関連論文リスト
- Exploring 3D Human Pose Estimation and Forecasting from the Robot's Perspective: The HARPER Dataset [52.22758311559]
本研究では,ユーザとスポット間のダイアドインタラクションにおける3次元ポーズ推定と予測のための新しいデータセットであるHARPERを紹介する。
キーノーベルティは、ロボットの視点、すなわちロボットのセンサーが捉えたデータに焦点を当てることである。
HARPERの基盤となるシナリオには15のアクションが含まれており、そのうち10つはロボットとユーザの間の物理的接触を含んでいる。
論文 参考訳（メタデータ） (2024-03-21T14:53:50Z) - Cloth2Body: Generating 3D Human Body Mesh from 2D Clothing [54.29207348918216]
Cloth2Bodyは、入力の部分的な観察と出力の多様性によって引き起こされる新しい課題に対処する必要がある。
本稿では,2次元衣料品画像のポーズと形状によってパラメータ化された3Dボディメッシュを高精度に推定できるエンドツーエンドフレームワークを提案する。
実験結果から示されるように,提案手法は最先端の性能を実現し,自然および多様な3Dボディメッシュを2次元画像から効果的に回収することができる。
論文 参考訳（メタデータ） (2023-09-28T06:18:38Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - 3D Human Mesh Construction Leveraging Wi-Fi [6.157977673335047]
Wi-Meshはビジョンベースの人間のメッシュ構築システムである。
システムはWiFiを使って人体の形状と変形を視覚化する。
論文 参考訳（メタデータ） (2022-10-20T01:58:27Z) - Robust Person Identification: A WiFi Vision-based Approach [7.80781386916681]
本研究では3次元空間における人物Re-IDのためのWiFiビジョンベースシステムである3D-IDを提案する。
私たちのシステムは、WiFiとディープラーニングの進歩を活用して、WiFiデバイスが人を見たり、識別したり、認識したりするのに役立ちます。
論文 参考訳（メタデータ） (2022-09-30T22:54:30Z) - Semi-Perspective Decoupled Heatmaps for 3D Robot Pose Estimation from
Depth Maps [66.24554680709417]
協調環境における労働者とロボットの正確な3D位置を知ることは、いくつかの実際のアプリケーションを可能にする。
本研究では、深度デバイスと深度ニューラルネットワークに基づく非侵襲的なフレームワークを提案し、外部カメラからロボットの3次元ポーズを推定する。
論文 参考訳（メタデータ） (2022-07-06T08:52:12Z) - 3D Human Pose Estimation for Free-form Activity Using WiFi Signals [5.2245900672091]
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。
論文 参考訳（メタデータ） (2021-10-15T18:47:16Z) - 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) - From Point to Space: 3D Moving Human Pose Estimation Using Commodity
WiFi [21.30069619479767]
Wi-Moseは、商品WiFiを用いた最初の3D移動人間のポーズ推定システムです。
振幅と位相をチャネル状態情報(csi)画像に融合し,ポーズ情報と位置情報の両方を提供する。
実験結果は、Wi-Moseが29.7mmおよび37.8mm Procrustes分析で、Sight of Sight(LoS)およびnon-Line of Sight(NLoS)シナリオにおける共同位置誤差(P-MPJPE)を局在化できることを示しています。
論文 参考訳（メタデータ） (2020-12-28T02:27:26Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳（メタデータ） (2020-09-01T10:12:30Z)
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。