論文の概要: Capafoldable: self-tracking foldable smart textiles with capacitive sensing

• arxiv url: http://arxiv.org/abs/2307.05370v1
• Date: Mon, 3 Jul 2023 13:38:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-16 03:56:19.837963
• Title: Capafoldable: self-tracking foldable smart textiles with capacitive sensing
• Title（参考訳）: Capafoldable:コンデンサ付き自走式折りたたみ式スマート織物
• Authors: Lala Shakti Swarup Ray, Daniel Gei{\ss}ler, Bo Zhou, Paul Lukowicz, Berit Greinke
• Abstract要約: 本稿では, 折り畳み構造と静電容量センサを組み合わせた, 自己追従型折り畳み型スマートウェアを提案する。 折り畳みパターンのパッチを手動で移動させる実験において、我々は、パッチの視線追跡された形状を学習し、再構築するディープニューラルネットワークを開発した。
• 参考スコア（独自算出の注目度）: 6.240574455750043
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Folding is an unique structural technique to enable planer materials with motion or 3D mechanical properties. Textile-based capacitive sensing has shown to be sensitive to the geometry deformation and relative motion of conductive textiles. In this work, we propose a novel self-tracking foldable smart textile by combining folded fabric structures and capacitive sensing to detect the structural motions using state-of-the-art sensing circuits and deep learning technologies. We created two folding patterns, Accordion and Chevron, each with two layouts of capacitive sensors in the form of thermobonded conductive textile patches. In an experiment of manually moving patches of the folding patterns, we developed deep neural network to learn and reconstruct the vision-tracked shape of the patches. Through our approach, the geometry primitives defining the patch shape can be reconstructed from the capacitive signals with R-squared value of up to 95\% and tracking error of 1cm for 22.5cm long patches. With mechanical, electrical and sensing properties, Capafoldable could enable a new range of smart textile applications.
• Abstract（参考訳）: 折り畳みは、運動や3次元の機械的特性を持つ平面材料を可能にするユニークな構造技術である。 繊維系容量センサは導電性織物の形状変形と相対運動に敏感であることが示されている。 本研究では,折りたたみ布構造と静電容量センシングを組み合わせて,最先端のセンシング回路とディープラーニング技術を用いて構造運動を検出する,新しい自己追跡型折り畳み型スマート織物を提案する。 我々はアコーディオンとチェブロンという2つの折りたたみパターンを作り、それぞれ熱結合導電性繊維パッチの形で容量センサを配置した。 折り畳みパターンのパッチを手作業で移動させる実験で,視覚追跡されたパッチの形状を学習し,再構成するためのディープニューラルネットワークを開発した。 提案手法により,R二乗値95\%の容量的信号からパッチ形状を定義する幾何学的プリミティブを再構成し,長さ22.5cmのパッチに対して1cmの誤差を追尾する。 機械的、電気的、およびセンサー的特性により、Capafoldableはさまざまなスマート織物の応用を可能にした。

関連論文リスト

• Polyhedra Encoding Transformers: Enhancing Diffusion MRI Analysis Beyond Voxel and Volumetric Embedding [9.606654786275902]
  本稿では,球面信号の処理に特化して設計されたdMRI用ポリヘドラ変換器(PE-Transformer)を提案する。 提案手法では, 所定の方向から信号を再サンプリングするために, アイコサヘドの単位球を投影する。この再サンプリングされた信号は, アイコサヘドの方向を反映する情報を含むトランスフォーマーエンコーダによって処理され, 埋め込みに変換される。
  論文  参考訳（メタデータ） (2025-01-23T03:32:52Z)
• A Recipe for Geometry-Aware 3D Mesh Transformers [2.0992612407358293]
  本研究では, ノード数可変のパッチを収容するパッチレベルで, 特徴を埋め込む手法について検討する。 本研究は,1)一般的な3次元メッシュトランスフォーマにおける熱拡散による構造的および位置的埋め込みの重要性,2)学習の強化における測地的マスキングや機能的相互作用といった新しい要素の有効性,3)セグメント化と分類作業の課題における提案手法の優れた性能と効率性など,重要な知見を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-10-31T19:13:31Z)
• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• Explorable Mesh Deformation Subspaces from Unstructured Generative Models [53.23510438769862]
  3次元形状の深い生成モデルは、しばしば潜在的な変動を探索するために使用できる連続的な潜伏空間を特徴付ける。 本研究では,手軽に探索可能な2次元探索空間から事前学習された生成モデルのサブ空間へのマッピングを構築することで,与えられたランドマーク形状の集合間のバリエーションを探索する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-11T18:53:57Z)
• Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and Manipulation [54.09274684734721]
  本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。 具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。 エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
  論文  参考訳（メタデータ） (2023-02-01T02:47:53Z)
• Exploring the structure-property relations of thin-walled, 2D extruded lattices using neural networks [2.3677503557659705]
  本稿では, 動的長手圧縮下における薄肉格子の構造・物性関係について検討する。 我々は、異なる格子設計を生成するキーベース設計システムを提案し、その有限要素を用いてジョンソン・クック材料モデルによる応答をシミュレートした。 オートエンコーダを用いて格子の断面画像を潜在設計特徴ベクトルに符号化し、ニューラルネットワークモデルに供給して予測を生成する。
  論文  参考訳（メタデータ） (2022-05-13T16:45:54Z)
• Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns [48.53244254413104]
  我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。 結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。 シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
  論文  参考訳（メタデータ） (2022-02-01T03:53:39Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Analysis and Prediction of Deforming 3D Shapes using Oriented Bounding Boxes and LSTM Autoencoders [0.966840768820136]
  アーキテクチャは、133の異なるコンポーネントを持つモデルの196台の車両衝突シミュレーションの結果に基づいてテストされる。 潜在表現では、異なる成分の塑性変形のパターンを検出することができる。 予測されたバウンディングボックスは最終シミュレーション結果を推定し、その品質を異なるベースラインと比較して改善する。
  論文  参考訳（メタデータ） (2020-08-31T08:07:32Z)
• On Iterative Neural Network Pruning, Reinitialization, and the Similarity of Masks [0.913755431537592]
  我々は, 共通の反復的打ち込み手法を用いて, 打ち抜きモデルの接続構造と学習力学の相違を解析した。 重量安定性はアポサイトプルーニング技術によって自動的に達成できるという実証的証拠を示す。
  論文  参考訳（メタデータ） (2020-01-14T21:11:19Z)

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。