論文の概要: Estimating Pose from Pressure Data for Smart Beds with Deep Image-based Pose Estimators

• arxiv url: http://arxiv.org/abs/2206.06518v1
• Date: Mon, 13 Jun 2022 23:29:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-16 08:15:20.625198
• Title: Estimating Pose from Pressure Data for Smart Beds with Deep Image-based Pose Estimators
• Title（参考訳）: 深部画像に基づくポーズ推定器を用いたスマートベッドの圧力データからのポーズ推定
• Authors: Vandad Davoodnia, Saeed Ghorbani, Ali Etemad
• Abstract要約: ベッド内ポーズ推定は、病院の患者モニタリング、睡眠研究、スマートホームなどの分野における価値を示している。 既存のポーズ推定器の助けを借りて、高度にあいまいな圧力データから身体のポーズを検出するための様々な戦略を探求する。
• 参考スコア（独自算出の注目度）: 16.937471403068685
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In-bed pose estimation has shown value in fields such as hospital patient monitoring, sleep studies, and smart homes. In this paper, we explore different strategies for detecting body pose from highly ambiguous pressure data, with the aid of pre-existing pose estimators. We examine the performance of pre-trained pose estimators by using them either directly or by re-training them on two pressure datasets. We also explore other strategies utilizing a learnable pre-processing domain adaptation step, which transforms the vague pressure maps to a representation closer to the expected input space of common purpose pose estimation modules. Accordingly, we used a fully convolutional network with multiple scales to provide the pose-specific characteristics of the pressure maps to the pre-trained pose estimation module. Our complete analysis of different approaches shows that the combination of learnable pre-processing module along with re-training pre-existing image-based pose estimators on the pressure data is able to overcome issues such as highly vague pressure points to achieve very high pose estimation accuracy.
• Abstract（参考訳）: ベッド内ポーズ推定は、病院の患者モニタリング、睡眠研究、スマートホームなどの分野での価値を示している。 本稿では,既存のポーズ推定器を用いて,高度にあいまいな圧力データから身体のポーズを検出するための異なる戦略について検討する。 プレトレーニングされたポーズ推定器の性能を, 2つの圧力データセット上で直接あるいは再トレーニングすることによって検証する。 また,共通目的ポーズ推定モジュールの期待入力空間に近い表現にあいまいな圧力マップを変換する学習可能な前処理領域適応ステップを利用した他の戦略についても検討する。 そこで我々は,複数スケールの完全畳み込みネットワークを用いて,プレトレーニングされたポーズ推定モジュールに圧力マップのポーズ特化特性を提供する。 提案手法の完全解析により,学習可能な事前処理モジュールと既存の画像ベースのポーズ推定器を併用することにより,高度にあいまいな圧力点などの問題を克服し,ポーズ推定精度を極めて高めることができた。

関連論文リスト

• SRPose: Two-view Relative Pose Estimation with Sparse Keypoints [51.49105161103385]
  SRPoseは、カメラ・トゥ・ワールドおよびオブジェクト・トゥ・カメラシナリオにおける2ビュー相対ポーズ推定のためのスパースキーポイントベースのフレームワークである。 精度と速度の点で最先端の手法と比較して、競争力や優れた性能を達成する。 さまざまな画像サイズやカメラ固有の機能に対して堅牢であり、低コンピューティングリソースでデプロイすることができる。
  論文  参考訳（メタデータ） (2024-07-11T05:46:35Z)
• SkelFormer: Markerless 3D Pose and Shape Estimation using Skeletal Transformers [57.46911575980854]
  マルチビュー人間のポーズと形状推定のための新しいマーカーレスモーションキャプチャパイプラインであるSkelFormerを紹介する。 提案手法は,まず市販の2次元キーポイント推定器を用いて,大規模インザミルドデータに基づいて事前トレーニングを行い,3次元関節位置を求める。 次に、重雑音観測から、関節の位置をポーズと形状の表現にマッピングする回帰に基づく逆運動性骨格変換器を設計する。
  論文  参考訳（メタデータ） (2024-04-19T04:51:18Z)
• DVMNet: Computing Relative Pose for Unseen Objects Beyond Hypotheses [59.51874686414509]
  現在のアプローチは、多数の離散的なポーズ仮説を持つ連続的なポーズ表現を近似している。 本稿では,DVMNet(Deep Voxel Matching Network)を提案する。 提案手法は,最先端の手法に比べて計算コストの低い新しいオブジェクトに対して,より正確なポーズ推定を行う。
  論文  参考訳（メタデータ） (2024-03-20T15:41:32Z)
• Cameras as Rays: Pose Estimation via Ray Diffusion [54.098613859015856]
  カメラのポーズを推定することは3D再構成の基本的な課題であり、まばらにサンプリングされたビューを考えると依然として困難である。 本稿では,カメラを光束として扱うカメラポーズの分散表現を提案する。 提案手法は回帰法と拡散法の両方で,CO3Dのカメラポーズ推定における最先端性能を示す。
  論文  参考訳（メタデータ） (2024-02-22T18:59:56Z)
• Pressure Eye: In-bed Contact Pressure Estimation via Contact-less Imaging [18.35652911833834]
  人体と横になっている表面との間の接触圧を推定するために,我々の圧力眼(PEye)アプローチを提案する。 PEyeは最終的にベッドバウンド患者の圧力潰瘍の予測と早期検出を可能にした。
  論文  参考訳（メタデータ） (2022-01-27T22:22:17Z)
• Learning Dynamics via Graph Neural Networks for Human Pose Estimation and Tracking [98.91894395941766]
  ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。 具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。 PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-06-07T16:36:50Z)
• End-to-end learning of keypoint detection and matching for relative pose estimation [1.8352113484137624]
  2つの画像間の相対的なポーズを推定する新しい手法を提案する。 キーポイント検出,説明抽出,マッチング,ロバストなポーズ推定を共同で学習する。 本研究では,既知のポーズを持つ画像データベース内でのクエリ画像の視覚的局在化の手法を示す。
  論文  参考訳（メタデータ） (2021-04-02T15:16:17Z)
• Can You Trust Your Pose? Confidence Estimation in Visual Localization [17.23405466562484]
  視覚的に推定されたポーズの信頼性を定量化することを目的としている。 また,提案手法は,既存のポーズ推定パイプラインの精度向上という2次目標を達成するためにも利用できることを示す。 提案手法は計算量的に軽量であり、ポーズ推定の計算作業に無視できる増加しか加えない。
  論文  参考訳（メタデータ） (2020-10-01T12:25:48Z)
• Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
  連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。 本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-29T21:41:31Z)
• MirrorNet: A Deep Bayesian Approach to Reflective 2D Pose Estimation from Human Images [42.27703025887059]
  標準的な教師ありアプローチの大きな問題は、しばしば解剖学的に不可解なポーズをもたらすことである。 ポーズアノテーションを使わずに画像を効果的に活用できる半教師付き手法を提案する。 実験の結果,提案した反射型アーキテクチャが解剖学的に妥当なポーズを推定できることが示唆された。
  論文  参考訳（メタデータ） (2020-04-08T05:02:48Z)

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。