論文の概要: A Computer Vision Method for Estimating Velocity from Jumps

• arxiv url: http://arxiv.org/abs/2212.04665v1
• Date: Fri, 9 Dec 2022 04:40:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 15:13:51.481596
• Title: A Computer Vision Method for Estimating Velocity from Jumps
• Title（参考訳）: ジャンプから速度を推定するコンピュータビジョン法
• Authors: Soumyadip Roy, Chaitanya Roygaga, Nathaniel Blanchard, Aparna Bharati
• Abstract要約: ビデオ記録を用いた鍵変数推定の実現可能性について検討する。 ジャンプ速度は,他のキー変数と強く相関しているため,出発点として注目する。 平均R値0.71の速度は,選手の範囲で高い精度で推定できることがわかった。
• 参考スコア（独自算出の注目度）: 2.811259764965963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Athletes routinely undergo fitness evaluations to evaluate their training progress. Typically, these evaluations require a trained professional who utilizes specialized equipment like force plates. For the assessment, athletes perform drop and squat jumps, and key variables are measured, e.g. velocity, flight time, and time to stabilization, to name a few. However, amateur athletes may not have access to professionals or equipment that can provide these assessments. Here, we investigate the feasibility of estimating key variables using video recordings. We focus on jump velocity as a starting point because it is highly correlated with other key variables and is important for determining posture and lower-limb capacity. We find that velocity can be estimated with a high degree of precision across a range of athletes, with an average R-value of 0.71 (SD = 0.06).
• Abstract（参考訳）: 選手は通常、トレーニングの進捗を評価するためにフィットネス評価を受ける。 通常、これらの評価は、フォースプレートのような特殊装備を使用する訓練された専門家を必要とする。 評価のために、選手はドロップアンドスクワットジャンプを行い、速度、飛行時間、安定化までの時間といった重要な変数を計測して、いくつか挙げる。 しかし、アマチュアアスリートは、これらの評価を提供する専門家や機器にアクセスできないかもしれない。 本稿では,ビデオ記録を用いた鍵変数推定の可能性について検討する。 ジャンプ速度は,他のキー変数と強く相関し,姿勢や下肢の能力を決定する上で重要であるため,出発点として注目する。 平均R値が0.71(SD = 0.06)であることから,各選手の速度は高い精度で推定できることがわかった。

関連論文リスト

• A Large-Scale Re-identification Analysis in Sporting Scenarios: the Betrayal of Reaching a Critical Point [1.3887779684720984]
  走者再識別のための歩行に基づく新しいアプローチ(re-ID)を提案する。 提案手法は,超遠距離競技におけるランナーの再識別に有望な結果をもたらすことを示す。 これは、超長距離競技や長期監視タスクなど、現実世界のシナリオで歩行認識を活用する可能性を強調している。
  論文  参考訳（メタデータ） (2023-12-29T21:48:20Z)
• Skilog: A Smart Sensor System for Performance Analysis and Biofeedback in Ski Jumping [11.123790767105195]
  本稿では,スキージャンプ時の実時間性能解析とバイオフィードバックのための,スマートでコンパクトでエネルギー効率のよいワイヤレスセンサシステムを提案する。 このシステムは、スキーブーツのインソールを100Hzで3つの異なる地点で足圧を計る。 バイオフィードバックのシナリオでは、フットプレッシャーは最適化されたXGBoostモデルの入力変数として機能する。
  論文  参考訳（メタデータ） (2023-09-25T18:27:29Z)
• Rethinking Closed-loop Training for Autonomous Driving [82.61418945804544]
  本研究は,学習エージェントの成功に対する異なるトレーニングベンチマーク設計の影響を分析した最初の実証的研究である。 複数ステップのルックアヘッドで計画を行うRLベースの駆動エージェントであるtrajectory value learning (TRAVL)を提案する。 実験の結果,TRAVLはすべてのベースラインと比較してより速く学習でき,安全な操作が可能であることがわかった。
  論文  参考訳（メタデータ） (2023-06-27T17:58:39Z)
• Fast and Robust Video-Based Exercise Classification via Body Pose Tracking and Scalable Multivariate Time Series Classifiers [13.561233730881279]
  本稿では,ビデオを用いたS&C演習の分類の応用について述べる。 そこで本研究では,BodyMTSという手法を用いて,映像を時系列に変換する手法を提案する。 その結果,BodyMTSの平均精度は87%であり,これはヒトドメインの専門家の精度よりも有意に高いことがわかった。
  論文  参考訳（メタデータ） (2022-10-02T13:03:38Z)
• Valuing Players Over Time [0.0]
  サッカー(またはアソシエーションフットボール)では、プレイヤーはすぐにヒーローからゼロへ、あるいは逆転する。 本稿では,I-VAEPモデルとO-VAEPモデルを紹介し,プレイヤーの意図と実行を評価する。 我々は、誰が最高のプレイヤーであり、そのパフォーマンスがどのように進化したかを示し、プレイヤーの一貫性を測定するためにボラティリティ指標を定義し、意思決定を支援するためにプレイヤー開発曲線を構築します。
  論文  参考訳（メタデータ） (2022-09-08T15:36:16Z)
• Learning to Run with Potential-Based Reward Shaping and Demonstrations from Video Data [70.540936204654]
  「走ることを学ぶ」競技は、二本足のヒューマノイドボディを最高速度で模擬レースコースで走るように訓練することであった。 すべての提出者は、強化学習(RL)へのタブラララサアプローチを採り入れ、比較的速いが最適な実行動作は得られなかった。 本研究では,人間のランニング映像から得られるデータを用いて,ヒューマノイド学習エージェントの報酬を形成できることを示す。
  論文  参考訳（メタデータ） (2020-12-16T09:46:58Z)
• Bag of Tricks for Adversarial Training [50.53525358778331]
  アドリアリトレーニングは、モデルの堅牢性を促進するための最も効果的な戦略の1つである。 最近のベンチマークでは、提案されたATの改良のほとんどは、単にトレーニング手順を早期に停止するよりも効果が低いことが示されている。
  論文  参考訳（メタデータ） (2020-10-01T15:03:51Z)
• Weight Training Analysis of Sportsmen with Kinect Bioinformatics for Form Improvement [0.0]
  本稿では,重量トレーニング中の選手の動きを捉え,そのデータを解析して,障害や不完全性を発見するシステムを提案する。 本システムでは,Kinect深度画像を用いて,選手の選択した関節のパラメータを算出している。
  論文  参考訳（メタデータ） (2020-08-13T04:52:31Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• Towards Understanding Fast Adversarial Training [91.8060431517248]
  高速対人訓練の振る舞いを理解するために実験を行う。 その成功の鍵は、過度な適合から弱い攻撃への回復能力である。
  論文  参考訳（メタデータ） (2020-06-04T18:19:43Z)
• Pedestrian orientation dynamics from high-fidelity measurements [65.06084067891364]
  本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。 提案手法は, 誤差を7.5度まで低減し, 向きを推定できることを示す。 このツールは、方向が鍵となる人間の群集力学の研究において、新たな可能性を開く。
  論文  参考訳（メタデータ） (2020-01-14T07:08:31Z)

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。