論文の概要: A Locality-based Neural Solver for Optical Motion Capture
- arxiv url: http://arxiv.org/abs/2309.00428v2
- Date: Mon, 4 Sep 2023 09:21:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 10:08:18.318233
- Title: A Locality-based Neural Solver for Optical Motion Capture
- Title（参考訳）: 光モーションキャプチャのための局所型ニューラルソルバー
- Authors: Xiaoyu Pan, Bowen Zheng, Xinwei Jiang, Guanglong Xu, Xianli Gu,
Jingxiang Li, Qilong Kou, He Wang, Tianjia Shao, Kun Zhou and Xiaogang Jin
- Abstract要約: ノイズの多いマーカーデータから、マーカーと関節を異なるタイプのノードとして扱う異種グラフニューラルネットワークを提案する。
本手法は,隠蔽マーカー位置誤差の予測精度の観点から,最先端手法よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 37.28597049192196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel locality-based learning method for cleaning and solving
optical motion capture data. Given noisy marker data, we propose a new
heterogeneous graph neural network which treats markers and joints as different
types of nodes, and uses graph convolution operations to extract the local
features of markers and joints and transform them to clean motions. To deal
with anomaly markers (e.g. occluded or with big tracking errors), the key
insight is that a marker's motion shows strong correlations with the motions of
its immediate neighboring markers but less so with other markers, a.k.a.
locality, which enables us to efficiently fill missing markers (e.g. due to
occlusion). Additionally, we also identify marker outliers due to tracking
errors by investigating their acceleration profiles. Finally, we propose a
training regime based on representation learning and data augmentation, by
training the model on data with masking. The masking schemes aim to mimic the
occluded and noisy markers often observed in the real data. Finally, we show
that our method achieves high accuracy on multiple metrics across various
datasets. Extensive comparison shows our method outperforms state-of-the-art
methods in terms of prediction accuracy of occluded marker position error by
approximately 20%, which leads to a further error reduction on the
reconstructed joint rotations and positions by 30%. The code and data for this
paper are available at https://github.com/non-void/LocalMoCap.
- Abstract（参考訳）: 本稿では,光学的モーションキャプチャデータのクリーニングと解決のための新しい局所学習手法を提案する。
雑音のあるマーカーデータから,マーカーや関節を異なる種類のノードとして扱い,グラフ畳み込み演算を用いてマーカーや関節の局所的な特徴を抽出し,それらをクリーンな動作に変換する,新しい異種グラフニューラルネットワークを提案する。
異常マーカー(例えば、閉塞または大きな追跡誤差)を扱うために、重要な洞察は、マーカーの運動がそのすぐ隣のマーカーの運動と強い相関を示すが、他のマーカー(例えば、局所性)との相関は小さく、欠落マーカーを効率的に満たすことができることである(例えば、閉塞により)。
また,アクセラレーションプロファイルを調べることにより,追跡誤差によるマーカー異常を識別する。
最後に,マスキングを用いてデータモデルの学習を行い,表現学習とデータ拡張に基づくトレーニングレジームを提案する。
マスキング・スキームは、実データでしばしば観測されるオクルードとノイズのマーカーを模倣することを目的としている。
最後に,本手法は様々なデータセットの複数のメトリクスに対して高い精度を実現することを示す。
本手法は, 閉塞マーカー位置誤差の予測精度を約20%向上させ, 再建した関節回転および位置の誤差を30%低減させる。
この論文のコードとデータはhttps://github.com/non-void/LocalMoCapで公開されている。
関連論文リスト
- OsmLocator: locating overlapping scatter marks with a non-training
generative perspective [48.50108853199417]
重複するマークの配置には、テクスチャの欠如、文脈の少ない情報、ハロー形状、小さなサイズなど、多くの困難がある。
ここでは、クラスタリングに基づく再視覚化の最適化問題として、非学習的生成の観点から定式化する。
特に,異なるマーカーと様々な重なり合いの重なり合いを持つ何百もの散乱画像を含む2023というデータセットを構築し,提案手法を既存の手法と比較した。
論文 参考訳（メタデータ） (2023-12-18T12:39:48Z) - ERASE: Error-Resilient Representation Learning on Graphs for Label Noise
Tolerance [53.73316938815873]
本稿では, ERASE (Error-Resilient representation learning on graphs for lAbel noiSe tolerancE) という手法を提案する。
ERASEは、プロトタイプの擬似ラベルとプロパゲーションされた識別ラベルを組み合わせて、表現をエラーレジリエンスで更新する。
提案手法は, 広い雑音レベルにおいて, 複数のベースラインをクリアマージンで上回り, 高いスケーラビリティを享受できる。
論文 参考訳（メタデータ） (2023-12-13T17:59:07Z) - 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) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - NeuralMarker: A Framework for Learning General Marker Correspondence [25.822657926255573]
本稿では,映画ポスターなどの一般的なマーカーから,そのようなマーカーを捉えた画像への対応性を推定する問題に取り組む。
本稿では,様々な課題条件下で高密度マーカー対応を推定するニューラルネットワークをトレーニングする新しいフレームワークであるNeuralMarkerを提案する。
我々は、NeuralMarkerが従来の手法を大幅に上回り、拡張現実(AR)やビデオ編集など、新しい興味深いアプリケーションを可能にしていることを示す。
論文 参考訳（メタデータ） (2022-09-19T10:04:38Z) - SparseAlign: A Super-Resolution Algorithm for Automatic Marker
Localization and Deformation Estimation in Cryo-Electron Tomography [0.17398560678845074]
格子フリー超解像法を単一分子局在顕微鏡の文脈で提案した。
提案手法はラベル付きマーカー位置を必要としないが,画像に基づく損失を用いてマーカーの前方投影と観測データとの比較を行う。
提案手法では,マーカーを自動的に検出し,ラベル付きマーカーデータなしで試料変形を確実に推定する。
論文 参考訳（メタデータ） (2022-01-21T14:03:32Z) - SparseDet: Improving Sparsely Annotated Object Detection with
Pseudo-positive Mining [76.95808270536318]
Pseudo- positive mining を用いてラベル付き地域とラベルなし地域を分離するエンド・ツー・エンドシステムを提案する。
ラベル付き領域は通常通り処理されるが、ラベルなし領域の処理には自己教師付き学習が使用される。
我々は,PASCAL-VOCとCOCOデータセットの5つの分割に対して,最先端の性能を達成するための徹底的な実験を行った。
論文 参考訳（メタデータ） (2022-01-12T18:57:04Z) - Fiducial marker recovery and detection from severely truncated data in
navigation assisted spine surgery [5.731349529280083]
ナビゲーション支援ミニマル侵襲脊椎手術(MISS)で一般的に使用されるフィデューシャルマーカー
実際には、これらのマーカーは、C-arm cone-beam Computed Tomography (CBCT) システムの限られた検出器サイズのため、視野の外に位置する可能性がある。
歪みマーカーからの直接検出(ダイレクトメソッド)とマーカー回復後の検出(リカバリ手法)の2つのファデューシャルマーカー検出手法を提案する。
論文 参考訳（メタデータ） (2021-08-25T13:52:58Z) - Attentional Graph Neural Network for Parking-slot Detection [10.095984750382478]
本論文では,周辺画像におけるマーキングポイントをグラフ構造データとして参照する注目グラフニューラルネットワークに基づくパーキングスロット検出手法を提案する。
手動で設計した後処理がなければ、提案手法はエンドツーエンドのトレーニングが可能である。
公開ベンチマークデータセットでは,提案手法が最先端精度を達成する実験が行われている。
論文 参考訳（メタデータ） (2021-04-06T15:14:39Z)
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。