論文の概要: Bidirectional GaitNet: A Bidirectional Prediction Model of Human Gait
and Anatomical Conditions
- arxiv url: http://arxiv.org/abs/2306.04161v1
- Date: Wed, 7 Jun 2023 05:21:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 16:08:20.131815
- Title: Bidirectional GaitNet: A Bidirectional Prediction Model of Human Gait
and Anatomical Conditions
- Title(参考訳): 双方向歩行ネット:ヒト歩行と解剖条件の双方向予測モデル
- Authors: Jungnam Park, Moon Seok Park, Jehee Lee, Jungdam Won
- Abstract要約: 本稿では,人間の解剖学と歩行の関係を学習する,双方向ゲットネット(Bidirectional GaitNet)という新しい生成モデルを提案する。
各種健常者・失明者の歩行について,本モデルを実証し,実際の患者の身体検査データと比較検討した。
- 参考スコア(独自算出の注目度): 14.89579877795837
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel generative model, called Bidirectional GaitNet, that
learns the relationship between human anatomy and its gait. The simulation
model of human anatomy is a comprehensive, full-body, simulation-ready,
musculoskeletal model with 304 Hill-type musculotendon units. The Bidirectional
GaitNet consists of forward and backward models. The forward model predicts a
gait pattern of a person with specific physical conditions, while the backward
model estimates the physical conditions of a person when his/her gait pattern
is provided. Our simulation-based approach first learns the forward model by
distilling the simulation data generated by a state-of-the-art predictive gait
simulator and then constructs a Variational Autoencoder (VAE) with the learned
forward model as its decoder. Once it is learned its encoder serves as the
backward model. We demonstrate our model on a variety of healthy/impaired gaits
and validate it in comparison with physical examination data of real patients.
- Abstract(参考訳): 本稿では,人間の解剖学と歩行の関係を学習する双方向歩行ネットという新しい生成モデルを提案する。
ヒト解剖学のシミュレーションモデルは,304ヒル型筋腱を用いた全身,シミュレーション可能な筋骨格モデルである。
Bidirectional GaitNetは前方モデルと後方モデルで構成されている。
フォワードモデルは、特定の身体的条件を有する人の歩行パターンを予測し、後方モデルは、歩行パターンが与えられたときの人の身体的状態を推定する。
シミュレーションに基づくアプローチでは,まず最先端の歩行シミュレータによって生成されたシミュレーションデータを蒸留し,学習した前方モデルをデコーダとして可変オートエンコーダ(VAE)を構築する。
一度学習すると、エンコーダは後方モデルとして機能する。
各種健常者/障害者の歩行をモデルとし,実際の患者の身体検査データと比較検討した。
関連論文リスト
- Humanoid Locomotion as Next Token Prediction [84.21335675130021]
我々のモデルは感覚運動軌道の自己回帰予測によって訓練された因果変換器である。
われわれのモデルでは、フルサイズのヒューマノイドがサンフランシスコでゼロショットで歩けることが示されている。
われわれのモデルは、わずか27時間の歩行データで訓練された場合でも現実世界に移行でき、後方歩行のような訓練中に見えないコマンドを一般化することができる。
論文 参考訳(メタデータ) (2024-02-29T18:57:37Z) - A Generative Modeling Framework for Inferring Families of Biomechanical
Constitutive Laws in Data-Sparse Regimes [0.15658704610960567]
本稿では,データスパース体制における関係の家族を効率的に推定する新しい手法を提案する。
機能的先行概念に着想を得て,ニューラル演算子をジェネレータとし,完全接続ネットワークを敵判別器として組み込んだ生成ネットワーク(GAN)を開発した。
論文 参考訳(メタデータ) (2023-05-04T22:07:27Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - Generative GaitNet [9.447418448612876]
本稿では,304ヒル型マスクラッテンドンを用いた全身筋骨格モデルに対する深層強化学習に基づく新しいネットワークアーキテクチャであるGenerative GaitNetを提案する。
事前学習されたゲイトネットは、入力として解剖学と歩行条件を取り、物理に基づくシミュレーションを通じて条件に合った一連の歩行サイクルを生成させる。
論文 参考訳(メタデータ) (2022-01-28T11:16:25Z) - Probabilistic Modeling for Human Mesh Recovery [73.11532990173441]
本稿では,2次元の証拠から3次元の人体復元の問題に焦点を当てた。
我々は,この問題を,入力から3Dポーズの分布へのマッピング学習として再考した。
論文 参考訳(メタデータ) (2021-08-26T17:55:11Z) - imGHUM: Implicit Generative Models of 3D Human Shape and Articulated
Pose [42.4185273307021]
人間の3次元形状とポーズの合成モデルImGHUMについて述べる。
人間の全身をゼロレベルの関数として暗黙的にモデル化し、明示的なテンプレートメッシュを使用しない。
論文 参考訳(メタデータ) (2021-08-24T17:08:28Z) - PhysiNet: A Combination of Physics-based Model and Neural Network Model
for Digital Twins [0.5076419064097732]
本稿では,物理モデルとニューラルネットワークモデルを組み合わせて,システムのライフサイクル全体の予測精度を向上させるモデルを提案する。
実験により、提案したハイブリッドモデルは、物理ベースモデルとニューラルネットワークモデルの両方より優れていた。
論文 参考訳(メタデータ) (2021-06-28T15:13:16Z) - To what extent do human explanations of model behavior align with actual
model behavior? [91.67905128825402]
モデル推論決定の人間による説明が、モデルが実際にこれらの決定を下す方法と一致する程度を調べた。
自然言語の人間の説明が入力語に対するモデル感度とどのように一致するかを定量化する2つのアライメント指標を定義した。
モデルと人間の説明との整合は、NLI上のモデルの精度によって予測されないことが判明した。
論文 参考訳(メタデータ) (2020-12-24T17:40:06Z) - Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。
トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文 参考訳(メタデータ) (2020-10-27T17:54:12Z) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳(メタデータ) (2020-03-04T00:44:57Z)
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。