論文の概要: Self-supervised Optimization of Hand Pose Estimation using Anatomical Features and Iterative Learning

• arxiv url: http://arxiv.org/abs/2307.03007v1
• Date: Thu, 6 Jul 2023 14:13:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-07 13:56:47.794838
• Title: Self-supervised Optimization of Hand Pose Estimation using Anatomical Features and Iterative Learning
• Title（参考訳）: 解剖学的特徴と反復学習を用いた手ポーズ推定の自己教師あり最適化
• Authors: Christian Jauch, Timo Leitritz, Marco F. Huber
• Abstract要約: 本稿では,人的相互作用が最小限である特定のユースケースに手振り推定を適用するための自己教師付きパイプラインを提案する。 このパイプラインは、汎用データセットでトレーニングされた手振り推定のための一般的な機械学習モデルで構成されている。 パイプラインの有効性は、手動のアセンブリシナリオにおいて、下流タスクとしてアクティビティ認識をトレーニングすることで実証される。
• 参考スコア（独自算出の注目度）: 4.698846136465861
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manual assembly workers face increasing complexity in their work. Human-centered assistance systems could help, but object recognition as an enabling technology hinders sophisticated human-centered design of these systems. At the same time, activity recognition based on hand poses suffers from poor pose estimation in complex usage scenarios, such as wearing gloves. This paper presents a self-supervised pipeline for adapting hand pose estimation to specific use cases with minimal human interaction. This enables cheap and robust hand posebased activity recognition. The pipeline consists of a general machine learning model for hand pose estimation trained on a generalized dataset, spatial and temporal filtering to account for anatomical constraints of the hand, and a retraining step to improve the model. Different parameter combinations are evaluated on a publicly available and annotated dataset. The best parameter and model combination is then applied to unlabelled videos from a manual assembly scenario. The effectiveness of the pipeline is demonstrated by training an activity recognition as a downstream task in the manual assembly scenario.
• Abstract（参考訳）: 手動組立作業員は、仕事の複雑さが増しています。 人間中心の補助システムは役に立つが、オブジェクト認識を可能にする技術は、これらのシステムの洗練された人間中心の設計を妨げる。 同時に、手のポーズに基づく行動認識は、手袋を着用するなどの複雑な使用シナリオにおいて、ポーズ推定の貧弱さに苦しむ。 本稿では,人的相互作用が最小限である特定のユースケースに手振り推定を適用するための自己教師付きパイプラインを提案する。 これにより、安価でロバストな手ポーズベースのアクティビティ認識が可能になる。 このパイプラインは、一般的なデータセットでトレーニングされた手のポーズ推定のための一般的な機械学習モデルと、手の解剖学的制約を考慮した空間的および時間的フィルタリングと、モデルを改善するための再トレーニングステップで構成されている。 異なるパラメータの組み合わせは、公開および注釈付きデータセットで評価される。 最適なパラメータとモデルの組み合わせは、手動のアセンブリシナリオからラベルなしのビデオに適用されます。 パイプラインの有効性は、手動のアセンブリシナリオで下流タスクとしてアクティビティ認識をトレーニングすることで実証される。

関連論文リスト

• Good Grasps Only: A data engine for self-supervised fine-tuning of pose estimation using grasp poses for verification [0.0]
  ビンピッキングのためのポーズ推定の自己教師型微調整法を提案する。 本手法により,手動ラベリングを使わずにトレーニングデータを自動的に取得できる。 私たちのパイプラインは、プロセス実行中にシステムを微調整し、学習フェーズの必要性を排除します。
  論文  参考訳（メタデータ） (2024-09-17T19:26:21Z)
• HandDAGT: A Denoising Adaptive Graph Transformer for 3D Hand Pose Estimation [15.606904161622017]
  本稿では,ハンドポーズ推定のためのDenoising Adaptive Graph Transformer(HandDAGT)を提案する。 特定のキーポイントを推定するための運動対応と局所幾何学的特徴の寄与を適応的に評価する新しい注意機構が組み込まれている。 実験の結果,提案手法は4つの手ポーズベンチマークデータセットにおいて,既存の手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2024-07-30T04:53:35Z)
• Intention estimation from gaze and motion features for human-robot shared-control object manipulation [1.128708201885454]
  共有制御は、ユーザの意図の実行を支援することで、遠隔操作のオブジェクト操作を支援する。 自然な視線と運動特徴を用いて現在の動作と対象対象物を予測する意図推定フレームワークを提示する。
  論文  参考訳（メタデータ） (2022-08-18T07:53:19Z)
• 3D Interacting Hand Pose Estimation by Hand De-occlusion and Removal [85.30756038989057]
  単一のRGB画像から3Dインタラクションハンドポーズを推定することは、人間の行動を理解するのに不可欠である。 本稿では,難易度の高い手ポーズ推定タスクを分解し,各手のポーズを別々に推定することを提案する。 実験の結果,提案手法は従来の手ポーズ推定手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-07-22T13:04:06Z)
• Grasp Pre-shape Selection by Synthetic Training: Eye-in-hand Shared Control on the Hannes Prosthesis [6.517935794312337]
  RGB 配列から手形前分類を行うための目印学習方式を提案する。 我々は、人間の腕の軌跡のモデルを用いて、眼球設定の特異性に取り組む。
  論文  参考訳（メタデータ） (2022-03-18T09:16:48Z)
• Towards unconstrained joint hand-object reconstruction from RGB videos [81.97694449736414]
  ハンドオブジェクト操作の再構築は、ロボット工学と人間のデモから学ぶ大きな可能性を秘めている。 まず,手動物体の相互作用をシームレスに処理できる学習不要な手動物体再構成手法を提案する。
  論文  参考訳（メタデータ） (2021-08-16T12:26:34Z)
• Real-time Pose and Shape Reconstruction of Two Interacting Hands With a Single Depth Camera [79.41374930171469]
  本稿では,2つの強く相互作用する手の位置と形状をリアルタイムに再現する新しい手法を提案する。 われわれのアプローチは、有利なプロパティの広範なリスト、すなわちマーカーレスを組み合わせている。 過去の研究で示された複雑性レベルを超える場面で、最先端の結果を示す。
  論文  参考訳（メタデータ） (2021-06-15T11:39:49Z)
• Adversarial Motion Modelling helps Semi-supervised Hand Pose Estimation [116.07661813869196]
  そこで本稿では,非ラベルビデオに対人トレーニングとモーションモデリングのアイデアを組み合わせることを提案する。 本研究は,非ラベル映像系列の半教師あり学習により,逆方向が手ポーズ推定器の特性の向上につながることを示す。 このアプローチの主な利点は、ペアのトレーニングデータよりもはるかに容易に、未ペアのビデオとジョイントシーケンスデータを利用することができることです。
  論文  参考訳（メタデータ） (2021-06-10T17:50:19Z)
• Locally Aware Piecewise Transformation Fields for 3D Human Mesh Registration [67.69257782645789]
  本論文では,3次元変換ベクトルを学習し,提案空間内の任意のクエリ点をリザーブ空間内の対応する位置にマップする部分変換場を提案する。 パラメトリックモデルにネットワークのポーズを合わせることで、特に極端なポーズにおいて、より優れた登録品質が得られることを示す。
  論文  参考訳（メタデータ） (2021-04-16T15:16:09Z)
• Measuring Generalisation to Unseen Viewpoints, Articulations, Shapes and Objects for 3D Hand Pose Estimation under Hand-Object Interaction [137.28465645405655]
  HANDS'19は、現在の3Dハンドポーズ推定器(HPE)がトレーニングセットのポーズを補間し、外挿する能力を評価するための課題である。 本研究では,最先端手法の精度が低下し,トレーニングセットから外れたポーズでほとんど失敗することを示す。
  論文  参考訳（メタデータ） (2020-03-30T19:28:13Z)
• Nonparametric Structure Regularization Machine for 2D Hand Pose Estimation [21.250031729596085]
  手ポーズ推定は, 重度調音, 自己閉塞, 器質性が高いため, 身体ポーズ推定よりも困難である。 2次元手振り推定のための新しい非パラメトリック構造正規化機械(NSRM)を提案する。
  論文  参考訳（メタデータ） (2020-01-24T03:27:32Z)

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。