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
- Cameras as Rays: Pose Estimation via Ray Diffusion [57.32374715650491]
カメラのポーズを推定することは3D再構築の基本的な課題であり、まばらな視点では依然として挑戦的である。
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) - Understanding Pose and Appearance Disentanglement in 3D Human Pose
Estimation [72.50214227616728]
ポーズ情報から外見情報を引き離すために,自己教師型で画像表現を学習する手法がいくつか提案されている。
我々は,多種多様な画像合成実験を通じて,自己教師ネットワークの観点から,ゆがみについて検討する。
我々は,対象の自然な外見変化を生起することに焦点を当てた敵対的戦略を設計し,その反対に,絡み合ったネットワークが堅牢であることを期待している。
論文 参考訳(メタデータ) (2023-09-20T22:22:21Z) - 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) - Learning Accurate Dense Correspondences and When to Trust Them [161.76275845530964]
2つの画像に関連する密度の高い流れ場と、堅牢な画素方向の信頼度マップの推定を目指しています。
フロー予測とその不確実性を共同で学習するフレキシブルな確率的アプローチを開発する。
本手法は,幾何学的マッチングと光フローデータセットに挑戦する最新の結果を得る。
論文 参考訳(メタデータ) (2021-01-05T18:54:11Z) - 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) - Bottom-Up Human Pose Estimation by Ranking Heatmap-Guided Adaptive
Keypoint Estimates [76.51095823248104]
キーポイント検出とグループ化(キーポイント回帰)性能を改善するために,これまでにほとんど,あるいはまったく研究されていないいくつかのスキームを提案する。
まず,画素単位のキーポイントレグレッションに対して,キーポイントのリグレッションを改善するために分離する代わりに,キーポイントのヒートマップを利用する。
第2に、スケールと向きの分散を扱うための適応表現を学習するために、画素単位の空間変換器ネットワークを採用する。
第3に,真のポーズとなる確率の高い推定ポーズを促進するために,結合形状と熱値評価手法を提案する。
論文 参考訳(メタデータ) (2020-06-28T01:14:59Z) - 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。