論文の概要: Improved Trajectory Reconstruction for Markerless Pose Estimation

• arxiv url: http://arxiv.org/abs/2303.02413v1
• Date: Sat, 4 Mar 2023 13:16:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 19:46:05.211251
• Title: Improved Trajectory Reconstruction for Markerless Pose Estimation
• Title（参考訳）: マーカレスポーズ推定のための軌道再構成の改良
• Authors: R. James Cotton, Anthony Cimorelli, Kunal Shah, Shawana Anarwala, Scott Uhlrich, Tasos Karakostas
• Abstract要約: マーカーレスポーズ推定は、複数の同期および校正されたビューから人間の動きを再構築することを可能にする。 我々は、マーカーレスポーズ推定精度に基づいて、異なるキーポイント検出器と再構成アルゴリズムを試験した。 その結果、トップダウンのキーポイント検出器を用いて暗黙の関数で軌跡を再構築することで、正確で滑らかで解剖学的に妥当な軌跡が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Markerless pose estimation allows reconstructing human movement from multiple synchronized and calibrated views, and has the potential to make movement analysis easy and quick, including gait analysis. This could enable much more frequent and quantitative characterization of gait impairments, allowing better monitoring of outcomes and responses to interventions. However, the impact of different keypoint detectors and reconstruction algorithms on markerless pose estimation accuracy has not been thoroughly evaluated. We tested these algorithmic choices on data acquired from a multicamera system from a heterogeneous sample of 25 individuals seen in a rehabilitation hospital. We found that using a top-down keypoint detector and reconstructing trajectories with an implicit function enabled accurate, smooth and anatomically plausible trajectories, with a noise in the step width estimates compared to a GaitRite walkway of only 8mm.
• Abstract（参考訳）: マーカーレスポーズ推定は、複数の同期および校正されたビューから人間の動きを再構築することができ、歩行分析を含む動き解析を容易かつ迅速にする可能性がある。 これにより、歩行障害のより頻繁で定量的な特徴付けが可能となり、その結果と介入に対する反応をより良く監視することができる。 しかし、異なるキーポイント検出器と再構成アルゴリズムがマーカーレスポーズ推定精度に与える影響は十分に評価されていない。 リハビリテーション病院で見かけた25人の異種サンプルから, マルチカメラシステムから取得したデータに基づいて, これらのアルゴリズムの選択を検証した。 その結果,8mmのGaitRiteウォークウェイに比べて,歩幅推定値にノイズがみられ,上向きのキーポイント検出器と暗黙の関数で軌跡を再構築することで,正確で滑らかで解剖学的に妥当な軌跡が得られた。

関連論文リスト

• Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
  我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。 我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。 本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:25:07Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Markerless Motion Capture and Biomechanical Analysis Pipeline [0.0]
  マーカーレスモーションキャプチャーは、正確な動き分析へのアクセスを拡大する可能性がある。 当パイプラインでは,リハビリテーション病院における運動の正確なバイオメカニカル推定値の取得が容易である。
  論文  参考訳（メタデータ） (2023-03-19T13:31:57Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• Markerless Suture Needle 6D Pose Tracking with Robust Uncertainty Estimation for Autonomous Minimally Invasive Robotic Surgery [11.530352384883361]
  ベイズフィルタを用いたマーカーレス縫合針ポーズトラッキングの新しい手法を提案する。 データ効率の良い特徴点検出器を訓練し、針上の特徴点を抽出する。 新しい観察モデルは、検出と針の予測投影との重なりを計測する。
  論文  参考訳（メタデータ） (2021-09-26T23:30:14Z)
• Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark Detection in Medical Images [15.7026400415269]
  本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。 提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
  論文  参考訳（メタデータ） (2021-05-19T13:39:18Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Simultaneous Estimation of X-ray Back-Scatter and Forward-Scatter using Multi-Task Learning [59.17383024536595]
  後方散乱は複雑な介入の際の患者(皮膚)の服用に大きく寄与する。 前方散乱放射線は投影画像のコントラストを低減し、3次元再構成でアーティファクトを導入する。 本稿では,従来の手法と学習に基づく手法を組み合わせて,検出器に到達した前方散乱を同時に推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-08T10:47:37Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。