論文の概要: DiffusionPoser: Real-time Human Motion Reconstruction From Arbitrary Sparse Sensors Using Autoregressive Diffusion
- arxiv url: http://arxiv.org/abs/2308.16682v2
- Date: Thu, 28 Mar 2024 15:49:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-29 21:53:04.693213
- Title: DiffusionPoser: Real-time Human Motion Reconstruction From Arbitrary Sparse Sensors Using Autoregressive Diffusion
- Title（参考訳）: DiffusionPoser: 自己回帰拡散を用いた任意スパースセンサからのリアルタイム人体運動再構成
- Authors: Tom Van Wouwe, Seunghwan Lee, Antoine Falisse, Scott Delp, C. Karen Liu,
- Abstract要約: 限られた数のボディウーンセンサーからのモーションキャプチャーは、健康、人間のパフォーマンス、エンターテイメントに重要な応用がある。
最近の研究は、6つのIMUを用いて、特定のセンサー構成から全身の動きを正確に再構築することに焦点を当てている。
センサの任意の組み合わせから人の動きをリアルタイムで再現する単一拡散モデルDiffusionPoserを提案する。
- 参考スコア（独自算出の注目度）: 10.439802168557513
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Motion capture from a limited number of body-worn sensors, such as inertial measurement units (IMUs) and pressure insoles, has important applications in health, human performance, and entertainment. Recent work has focused on accurately reconstructing whole-body motion from a specific sensor configuration using six IMUs. While a common goal across applications is to use the minimal number of sensors to achieve required accuracy, the optimal arrangement of the sensors might differ from application to application. We propose a single diffusion model, DiffusionPoser, which reconstructs human motion in real-time from an arbitrary combination of sensors, including IMUs placed at specified locations, and, pressure insoles. Unlike existing methods, our model grants users the flexibility to determine the number and arrangement of sensors tailored to the specific activity of interest, without the need for retraining. A novel autoregressive inferencing scheme ensures real-time motion reconstruction that closely aligns with measured sensor signals. The generative nature of DiffusionPoser ensures realistic behavior, even for degrees-of-freedom not directly measured. Qualitative results can be found on our website: https://diffusionposer.github.io/.
- Abstract（参考訳）: 慣性測定ユニット(IMU)や圧力インソールなど、限られた数のボディウーンセンサーからのモーションキャプチャは、健康、人的パフォーマンス、エンターテイメントに重要な応用がある。
最近の研究は、6つのIMUを用いて、特定のセンサー構成から全身の動きを正確に再構築することに焦点を当てている。
アプリケーション間で共通のゴールは、必要な精度を達成するために最小限のセンサーを使用することだが、センサの最適配置はアプリケーションからアプリケーションへ異なるかもしれない。
特定の位置に配置されたIMUを含むセンサの任意の組み合わせから人体の動きをリアルタイムに再構成する単一拡散モデルDiffusionPoserを提案する。
既存の手法とは異なり、我々のモデルはユーザーが興味のある特定の活動に合わせたセンサーの数と配置を、再訓練を必要とせずに決定できる柔軟性を与える。
新たな自己回帰推論方式により、計測されたセンサ信号と密接に一致したリアルタイムな動き再構成が保証される。
DiffusionPoserの生成的性質は、直接測定されない自由度であっても、現実的な振る舞いを保証する。
質的な結果は、私たちのWebサイト(https://diffusionposer.github.io/)で確認できます。
関連論文リスト
- Condition-Aware Multimodal Fusion for Robust Semantic Perception of Driving Scenes [56.52618054240197]
本研究では,運転シーンのロバストな意味認識のための条件対応型マルチモーダル融合手法を提案する。
CAFuserは、RGBカメラ入力を用いて環境条件を分類し、複数のセンサの融合を誘導するコンディショントークンを生成する。
MUSESデータセットでは,マルチモーダルパノプティクスセグメンテーションの59.7 PQ,セマンティックセグメンテーションの78.2 mIoU,公開ベンチマークの1位にランクインした。
論文 参考訳（メタデータ） (2024-10-14T17:56:20Z) - Spatial-Related Sensors Matters: 3D Human Motion Reconstruction Assisted
with Textual Semantics [4.9493039356268875]
運動再建のためのウェアラブルデバイスを活用することは、経済的かつ実行可能な技術として現れている。
本稿では,複数のセンサの空間的重要性について考察する。
テキスト管理では, 座位や立位などの不明瞭な動作を区別するだけでなく, より正確で自然な動きを生じさせる。
論文 参考訳（メタデータ） (2023-12-27T04:21:45Z) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-08T13:50:30Z) - Virtual Fusion with Contrastive Learning for Single Sensor-based
Activity Recognition [5.225544155289783]
各種センサはHAR(Human Activity Recognition)に使用することができる。
1つのセンサーがユーザーの動きをその視点で完全に観察できない場合があり、誤った予測を引き起こす。
トレーニング中に複数のタイム同期センサーからラベル付けされていないデータを活用できる新しい方法であるVirtual Fusionを提案する。
論文 参考訳（メタデータ） (2023-12-01T17:03:27Z) - Design Space Exploration on Efficient and Accurate Human Pose Estimation
from Sparse IMU-Sensing [0.04594153909580514]
HPE(Human Pose Estimation)は、スポーツ、リハビリテーション、仕事の安全などにおいて、個人データを損なうことなく正確な感覚を必要とする。
ハードウェアリソースの正確性と効率的な利用との間の中心的なトレードオフは、研究ではほとんど議論されない。
我々は、センサ構成の異なる公開ボディモデルデータセットからIMUデータを生成し、このデータでディープラーニングモデルをトレーニングする。
論文 参考訳（メタデータ） (2023-07-21T13:36:49Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - Attention-Based Sensor Fusion for Human Activity Recognition Using IMU
Signals [4.558966602878624]
本稿では,異なる身体部位に装着した複数のIMUセンサを用いた人体行動認識のための新しいアテンションベースアプローチを提案する。
異なる身体位置におけるセンサの重要性を学習し、注意に基づく融合機構を開発し、注意的特徴表現を生成する。
提案手法は,5つの公開データセットを用いて評価し,多種多様な活動カテゴリにおける最先端の手法より優れている。
論文 参考訳（メタデータ） (2021-12-20T17:00:27Z) - Motion Detection using CSI from Raspberry Pi 4 [5.826796031213696]
チャネル状態情報(Channel State Information, CSI)は、低コストで非侵襲的な無線センシング方式である。
Raspberry Pi 4で収集, 処理されたCSIデータを用いた, 自己校正型モーション検出システムを開発した。
論文 参考訳（メタデータ） (2021-11-17T13:17:02Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z)
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。