論文の概要: KinePose: A temporally optimized inverse kinematics technique for 6DOF
human pose estimation with biomechanical constraints
- arxiv url: http://arxiv.org/abs/2207.12841v1
- Date: Tue, 26 Jul 2022 12:17:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-27 13:17:41.988859
- Title: KinePose: A temporally optimized inverse kinematics technique for 6DOF
human pose estimation with biomechanical constraints
- Title（参考訳）: kinepose:生体力学的制約を伴う6次元ポーズ推定のための時間最適化逆運動学手法
- Authors: Kevin Gildea, Clara Mercadal-Baudart, Richard Blythman, Aljosa Smolic,
Ciaran Simms
- Abstract要約: そこで本研究では,生体力学的情報および被験者特異的キネマティック・チェーン全体での関節配向を推定する手法を提案する。
境界条件におけるIKアプローチの一般精度と精度の両方を評価するために,3次元ポーズ動作シーケンスを生成する。
我々の時間的アルゴリズムは,MPJAS(Mean Per Joint Angular separation)誤差の低い6DOFポーズ推定を実現する。
- 参考スコア（独自算出の注目度）: 11.912058874826549
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Computer vision/deep learning-based 3D human pose estimation methods aim to
localize human joints from images and videos. Pose representation is normally
limited to 3D joint positional/translational degrees of freedom (3DOFs),
however, a further three rotational DOFs (6DOFs) are required for many
potential biomechanical applications. Positional DOFs are insufficient to
analytically solve for joint rotational DOFs in a 3D human skeletal model.
Therefore, we propose a temporal inverse kinematics (IK) optimization technique
to infer joint orientations throughout a biomechanically informed, and
subject-specific kinematic chain. For this, we prescribe link directions from a
position-based 3D pose estimate. Sequential least squares quadratic programming
is used to solve a minimization problem that involves both frame-based pose
terms, and a temporal term. The solution space is constrained using joint DOFs,
and ranges of motion (ROMs). We generate 3D pose motion sequences to assess the
IK approach both for general accuracy, and accuracy in boundary cases. Our
temporal algorithm achieves 6DOF pose estimates with low Mean Per Joint Angular
Separation (MPJAS) errors (3.7{\deg}/joint overall, & 1.6{\deg}/joint for lower
limbs). With frame-by-frame IK we obtain low errors in the case of bent elbows
and knees, however, motion sequences with phases of extended/straight limbs
results in ambiguity in twist angle. With temporal IK, we reduce ambiguity for
these poses, resulting in lower average errors.
- Abstract（参考訳）: コンピュータビジョン/深層学習に基づく3次元人間のポーズ推定手法は、画像やビデオから人間の関節をローカライズすることを目的としている。
ポース表現は通常3次元の関節位置/翻訳自由度(3DOFs)に制限されるが、多くの生体力学的応用にはさらに3つの回転DOF(6DOFs)が必要である。
位置DOFは3次元骨格モデルにおいて関節回転DOFを解析的に解くには不十分である。
そこで本研究では,生体力学的にインフォームドされた,主題特異的キネマティックチェーン全体の関節配向を推定する時間的逆キネマティックス(ik)最適化手法を提案する。
このため,位置に基づく3次元ポーズ推定からリンク方向を推定する。
連続最小二乗計画法は、フレームベースのポーズ項と時間項の両方を含む最小化問題を解くために用いられる。
解空間は、ジョイント dof, ranges of motion (roms) を用いて制約される。
境界条件におけるIKアプローチの一般精度と精度を評価するために3次元ポーズ動作列を生成する。
我々の時間的アルゴリズムは6DOFポーズ推定を低平均角分離(MPJAS)誤差(3.7{\deg}/joint overall, and 1.6{\deg}/joint for lower limbs)で達成する。
フレーム・バイ・フレーム ik では、屈曲した肘と膝の場合には誤差が低かったが、伸張した四肢の位相を持つ動き列はねじれ角度の曖昧さをもたらす。
時間的IKでは、これらのポーズのあいまいさを減らし、平均誤差を低くする。
関連論文リスト
- Hybrid 3D Human Pose Estimation with Monocular Video and Sparse IMUs [15.017274891943162]
モノクロビデオからの時間的3Dポーズ推定は、人間中心のコンピュータビジョンにおいて難しい課題である。
情報ソースを補完するために慣性センサが導入された。
物理的に合理的な3Dポーズを生成するために、異種センサデータを統合することは依然として困難である。
論文 参考訳（メタデータ） (2024-04-27T09:02:42Z) - Platypose: Calibrated Zero-Shot Multi-Hypothesis 3D Human Motion Estimation [6.061037203796638]
Platyposeは、ゼロショット3Dポーズシーケンス推定のために、人間の3Dモーションシーケンスに事前訓練された拡散モデルを使用するフレームワークである。
Platyposeは、Human3.6M、MPI-INF-3DHP、および3DPWの静的ポーズでテストした場合、最先端のキャリブレーションと競合するジョイントエラーを実現する。
論文 参考訳（メタデータ） (2024-03-10T10:30:34Z) - NIKI: Neural Inverse Kinematics with Invertible Neural Networks for 3D
Human Pose and Shape Estimation [53.25973084799954]
両方向誤差をモデル化したNIKI(Neural Inverse Kinematics with Invertible Neural Network)を提案する。
NIKIは、非可逆ネットワークによる前処理と逆処理の両方から学習することができる。
論文 参考訳（メタデータ） (2023-05-15T12:13:24Z) - Non-Local Latent Relation Distillation for Self-Adaptive 3D Human Pose
Estimation [63.199549837604444]
3次元ポーズ推定アプローチは、強い(2D/3Dポーズ)または弱い(複数ビューまたは深さ)ペアによる監督の異なる形態を利用する。
我々は3Dポーズ学習を,ラベル付きソースドメインから完全に損なわれないターゲットへのタスク知識の転送を目的とした,自己指導型適応問題として捉えた。
我々は、異なる自己適応設定を評価し、標準ベンチマークで最先端の3Dポーズ推定性能を示す。
論文 参考訳（メタデータ） (2022-04-05T03:52:57Z) - Encoder-decoder with Multi-level Attention for 3D Human Shape and Pose
Estimation [61.98690211671168]
本稿では,マルチレベルアテンション・デコーダ・ネットワーク(MAED)を提案する。
3DPWのトレーニングセットにより、MAEDはPA-MPJPEの6.2、7.2、2.4mmの従来の最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2021-09-06T09:06:17Z) - Improving Robustness and Accuracy via Relative Information Encoding in
3D Human Pose Estimation [59.94032196768748]
位置および時間的拡張表現を出力する相対情報符号化法を提案する。
提案手法は2つの公開データセット上で最先端の手法より優れている。
論文 参考訳（メタデータ） (2021-07-29T14:12:19Z) - Graph and Temporal Convolutional Networks for 3D Multi-person Pose
Estimation in Monocular Videos [33.974241749058585]
本稿では, グラフ畳み込みネットワーク(GCN)と時間畳み込みネットワーク(TCN)を統合し, カメラ中心のマルチパーソナライズされた3Dポーズを頑健に推定するフレームワークを提案する。
特に,姿勢推定結果を改善するために,2次元ポーズ推定器の信頼度スコアを用いたヒューマンジョイントgcnを提案する。
2つのGCNが連携して空間的なフレーム回りの3Dポーズを推定し、ターゲットフレーム内の可視関節情報と骨情報の両方を使用して、人の一部または欠落した情報を推定します。
論文 参考訳（メタデータ） (2020-12-22T03:01:19Z) - Beyond Weak Perspective for Monocular 3D Human Pose Estimation [6.883305568568084]
単眼映像からの3次元関節位置と方向予測の課題を考察する。
まず,市販のポーズ推定アルゴリズムを用いて2次元関節位置を推定する。
次に、初期パラメータを受信するSMPLifyアルゴリズムに準拠する。
論文 参考訳（メタデータ） (2020-09-14T16:23:14Z) - MotioNet: 3D Human Motion Reconstruction from Monocular Video with
Skeleton Consistency [72.82534577726334]
モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。
本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
論文 参考訳（メタデータ） (2020-06-22T08:50:09Z) - Fusing Wearable IMUs with Multi-View Images for Human Pose Estimation: A
Geometric Approach [76.10879433430466]
多視点画像と人手足に装着したIMUから3次元人間のポーズを推定する。
まず2つの信号から2Dのポーズを検出し、3D空間に持ち上げる。
単純な2段階のアプローチは、公開データセット上の大きなマージンによる最先端のエラーを低減する。
論文 参考訳（メタデータ） (2020-03-25T00:26:54Z)
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。