論文の概要: Using Learnable Physics for Real-Time Exercise Form Recommendations

• arxiv url: http://arxiv.org/abs/2310.07221v1
• Date: Wed, 11 Oct 2023 06:11:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-13 00:02:50.453969
• Title: Using Learnable Physics for Real-Time Exercise Form Recommendations
• Title（参考訳）: 実時間エクササイズフォームレコメンデーションにおける学習可能な物理の利用
• Authors: Abhishek Jaiswal, Gautam Chauhan, Nisheeth Srivastava
• Abstract要約: 本稿では,エクササイズ手法の問題点を診断し,修正レコメンデーションを提供するアルゴリズムパイプラインを提案する。 我々は、ポーズ認識にMediaPipeを使用し、ピークプロミネンス検出による反復数をカウントし、学習可能な物理シミュレータを用いて動きの進化を追跡する。
• 参考スコア（独自算出の注目度）: 2.1548132286330453
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Good posture and form are essential for safe and productive exercising. Even in gym settings, trainers may not be readily available for feedback. Rehabilitation therapies and fitness workouts can thus benefit from recommender systems that provide real-time evaluation. In this paper, we present an algorithmic pipeline that can diagnose problems in exercise techniques and offer corrective recommendations, with high sensitivity and specificity in real-time. We use MediaPipe for pose recognition, count repetitions using peak-prominence detection, and use a learnable physics simulator to track motion evolution for each exercise. A test video is diagnosed based on deviations from the prototypical learned motion using statistical learning. The system is evaluated on six full and upper body exercises. These real-time recommendations, counseled via low-cost equipment like smartphones, will allow exercisers to rectify potential mistakes making self-practice feasible while reducing the risk of workout injuries.
• Abstract（参考訳）: 良い姿勢と形は安全で生産的な運動に欠かせない。 ジムの設定でも、トレーナーは簡単にフィードバックを受けられないかもしれない。 リハビリテーション療法とフィットネスワークアウトは、リアルタイム評価を提供するレコメンデーションシステムの恩恵を受けることができる。 本稿では,エクササイズ技術における問題を診断し,高い感度と特異性をリアルタイムに備えた修正レコメンデーションを提供するアルゴリズムパイプラインを提案する。 ポーズ認識にはmediapipeを使用し,ピーク・プロミネンス検出を用いた反復回数をカウントし,学習可能な物理シミュレータを用いて各運動の運動進化を追跡する。 統計学習を用いて、原型的学習動作からの偏差に基づいてテスト映像を診断する。 このシステムは6つの全身運動と上半身運動で評価される。 これらのリアルタイムレコメンデーションは、スマートフォンのような低価格の機器で助言され、エクササイズが自己実践を可能とし、ワークアウトの怪我のリスクを軽減できる。

関連論文リスト

• Refining Pre-Trained Motion Models [56.18044168821188]
  我々は、自己教師付きトレーニングによる最先端の教師付きモデルの改善に挑戦する。 実世界の未学習ビデオから「クリーン」な訓練信号を得ることに重点を置いている。 本研究では,本手法が実動画における完全教師付き手法よりも信頼性が高いことを示す。
  論文  参考訳（メタデータ） (2024-01-01T18:59:33Z)
• P\=uioio: On-device Real-Time Smartphone-Based Automated Exercise Repetition Counting System [1.4050836886292868]
  本稿では,(1)ポーズ推定,(2)閾値保持,(3)オプティカルフロー,(4)ステートマシン,(5)カウンタの5つのコンポーネントからなるスマートフォンの深層学習に基づくエクササイズカウントシステムを紹介する。 システムはP=uioioと呼ばれるクロスプラットフォームのモバイルアプリケーションを通じて実装され、スマートフォンカメラのみを使用して3つの標準エクササイズ(スクワット、プッシュアップ、プルアップ)をリアルタイムで追跡する。
  論文  参考訳（メタデータ） (2023-07-22T01:38:02Z)
• Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
  パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。 このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。 我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
  論文  参考訳（メタデータ） (2023-05-12T17:37:04Z)
• 3D Pose Based Feedback for Physical Exercises [87.35086507661227]
  ユーザが犯した誤りを識別する学習ベースのフレームワークを導入する。 私たちのフレームワークはハードコードされたルールに頼るのではなく、データからそれらを学ぶのです。 提案手法は90.9%の誤り識別精度を示し,94.2%の誤り訂正に成功した。
  論文  参考訳（メタデータ） (2022-08-05T16:15:02Z)
• Domain Knowledge-Informed Self-Supervised Representations for Workout Form Assessment [12.040334568268445]
  ラベルのないサンプルから運動特異的表現を学習することを提案する。 特に、ドメイン知識に基づく自己教師型アプローチでは、運動動作の調和運動を利用する。 自己教師型表現は,既成の2次元および3次元の配置推定器よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-28T18:40:02Z)
• Real-Time Learning from An Expert in Deep Recommendation Systems with Marginal Distance Probability Distribution [1.3535770763481902]
  我々は,その履歴,プロファイル,および類似のユーザに基づいて,日々の運動活動を支援するレコメンデーションシステムを開発した。 開発したレコメンデーションシステムは、ユーザの注目と時間的注意機構を備えたディープリカレントニューラルネットワークを使用する。 本稿では,リアルタイム・エキスパート・ザ・ループ型能動的学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T19:20:18Z)
• Deep Learning for Fitness [0.0]
  フィットネス・チューター(Fitness tutor)は、運動中やヨガを行うときに、正しい姿勢を維持するための応用である。 ロボット手術のような医療革新にインスパイアされた我々は、ポーズ推定を用いてワークアウトをガイドできる新しいアプリケーションFitnessチューターを設計する。
  論文  参考訳（メタデータ） (2021-09-03T08:42:07Z)
• Adversarial Training is Not Ready for Robot Learning [55.493354071227174]
  対人訓練は,ノルム有界摂動に耐性のあるディープラーニングモデルを訓練する有効な方法である。 敵訓練により得られたニューラルコントローラが3種類の欠陥を受けることを理論的および実験的に示す。 この結果から, ロボット学習にはまだ対応できていないことが示唆された。
  論文  参考訳（メタデータ） (2021-03-15T07:51:31Z)
• Learning to Run with Potential-Based Reward Shaping and Demonstrations from Video Data [70.540936204654]
  「走ることを学ぶ」競技は、二本足のヒューマノイドボディを最高速度で模擬レースコースで走るように訓練することであった。 すべての提出者は、強化学習(RL)へのタブラララサアプローチを採り入れ、比較的速いが最適な実行動作は得られなかった。 本研究では,人間のランニング映像から得られるデータを用いて,ヒューマノイド学習エージェントの報酬を形成できることを示す。
  論文  参考訳（メタデータ） (2020-12-16T09:46:58Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• Pose Trainer: Correcting Exercise Posture using Pose Estimation [7.005458308454871]
  Pose Trainerは、ユーザのエクササイズポーズを検出し、ユーザがフォームをどのように改善できるかについて、パーソナライズされた詳細なレコメンデーションを提供するアプリケーションである。 個人的トレーニングガイドラインに基づいて、100以上のエクササイズビデオのデータセットを記録し、幾何学的ヒューリスティックな機械学習アルゴリズムを構築して評価する。
  論文  参考訳（メタデータ） (2020-06-21T05:51:37Z)

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。