論文の概要: A Spatial-Temporal Transformer based Framework For Human Pose Assessment
And Correction in Education Scenarios
- arxiv url: http://arxiv.org/abs/2311.00401v1
- Date: Wed, 1 Nov 2023 09:53:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 14:07:11.558674
- Title: A Spatial-Temporal Transformer based Framework For Human Pose Assessment
And Correction in Education Scenarios
- Title(参考訳): 教育シナリオにおける人文評価・訂正のための時空間変換器に基づく枠組み
- Authors: Wenyang Hu, Kai Liu, Libin Liu, Huiliang Shang
- Abstract要約: 骨格追跡、ポーズ推定、姿勢評価、姿勢補正モジュールを含む。
視覚援助の形で補正フィードバックを提供するためにポーズ補正法を作成する。
その結果,本モデルは学生の行動の質を効果的に測定し,コメントできることがわかった。
- 参考スコア(独自算出の注目度): 6.146739983645156
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human pose assessment and correction play a crucial role in applications
across various fields, including computer vision, robotics, sports analysis,
healthcare, and entertainment. In this paper, we propose a Spatial-Temporal
Transformer based Framework (STTF) for human pose assessment and correction in
education scenarios such as physical exercises and science experiment. The
framework comprising skeletal tracking, pose estimation, posture assessment,
and posture correction modules to educate students with professional,
quick-to-fix feedback. We also create a pose correction method to provide
corrective feedback in the form of visual aids. We test the framework with our
own dataset. It comprises (a) new recordings of five exercises, (b) existing
recordings found on the internet of the same exercises, and (c) corrective
feedback on the recordings by professional athletes and teachers. Results show
that our model can effectively measure and comment on the quality of students'
actions. The STTF leverages the power of transformer models to capture spatial
and temporal dependencies in human poses, enabling accurate assessment and
effective correction of students' movements.
- Abstract(参考訳): 人間のポーズ評価と修正は、コンピュータビジョン、ロボティクス、スポーツ分析、医療、エンタテインメントなど、さまざまな分野のアプリケーションにおいて重要な役割を果たす。
本稿では,身体運動や理科実験などの教育シナリオにおける人間のポーズアセスメントと修正のための時空間トランスフォーマーベースフレームワーク(STTF)を提案する。
骨格追跡、ポーズ推定、姿勢評価、姿勢修正モジュールから構成されるフレームワークは、専門的かつ迅速なフィードバックを持つ学生を教育する。
また、視覚支援の形で補正フィードバックを提供するために、ポーズ補正手法も作成する。
フレームワークを独自のデータセットでテストします。
それは
(a)5回の練習の新記録
(b)同じ演習のインターネット上に存在する既存の録音
(c)プロのアスリートや教師による録音に対する補正的フィードバック。
その結果,本モデルは学生の行動の質を効果的に測定し,コメントできることがわかった。
sttfは、変圧器モデルの力を利用して、人間のポーズにおける時間的および時間的依存性を捉え、正確な評価と学生の動きの効果的な補正を可能にする。
関連論文リスト
- TEDRA: Text-based Editing of Dynamic and Photoreal Actors [59.480513384611804]
TEDRAはアバターのテキストベースの編集を可能にする最初の方法である。
我々は、実際の俳優の制御可能で高忠実なデジタルレプリカを作成するためにモデルを訓練する。
提供されるテキストプロンプトに基づいて動的アバターを変更する。
論文 参考訳(メタデータ) (2024-08-28T17:59:02Z) - Learning Action and Reasoning-Centric Image Editing from Videos and Simulations [45.637947364341436]
AURORAデータセット(AURORA data)は、ビデオやシミュレーションエンジンから人間に注釈を付け、キュレートされた高品質なトレーニングデータの集合である。
AURORA-finetuned model on a new expert-curated benchmark across 8 various editing task。
我々のモデルは従来の編集モデルよりもはるかに優れており、人間のレーティングによって判断される。
論文 参考訳(メタデータ) (2024-07-03T19:36:33Z) - D-STGCNT: A Dense Spatio-Temporal Graph Conv-GRU Network based on
transformer for assessment of patient physical rehabilitation [0.3626013617212666]
本稿では,リハビリテーション演習を評価するための新しいグラフベースモデルを提案する。
デンス接続とGRU機構は、大きな3Dスケルトン入力を迅速に処理するために使用される。
KIMOREおよびUI-PRMDデータセットに対する提案手法の評価は,その可能性を強調した。
論文 参考訳(メタデータ) (2023-12-21T00:38:31Z) - Adaptive Correspondence Scoring for Unsupervised Medical Image Registration [9.294341405888158]
既存の手法では、画像再構成を主要な監視信号として用いている。
そこで本研究では,学習中の誤り残差を対応スコアマップで再重み付けする適応フレームワークを提案する。
我々のフレームワークは、量的にも質的にも、他の手法よりも一貫して優れています。
論文 参考訳(メタデータ) (2023-12-01T01:11:22Z) - 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) - FixMyPose: Pose Correctional Captioning and Retrieval [67.20888060019028]
本稿では,自動ポーズ修正システムに対応する新しいキャプションデータセットfixmyposeを提案する。
我々は「現在の」ポーズを「ターゲット」ポーズのように見えるように修正する記述を収集する。
MLバイアスを避けるため、さまざまな階層を持つキャラクタ間のバランスを維持します。
論文 参考訳(メタデータ) (2021-04-04T21:45:44Z) - Learning to Reweight with Deep Interactions [104.68509759134878]
本稿では,教師モデルに内部状態を提供する改良型データ再重み付けアルゴリズムを提案する。
クリーン/ノイズラベルとニューラルマシン翻訳を用いた画像分類実験は、我々のアルゴリズムが従来の手法よりも大幅に改善されていることを実証的に実証した。
論文 参考訳(メタデータ) (2020-07-09T09:06:31Z) - 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) - Deformation-aware Unpaired Image Translation for Pose Estimation on
Laboratory Animals [56.65062746564091]
我々は,神経回路が行動をどのようにオーケストレーションするかを研究するために,手動による監督を使わずに,神経科学モデル生物のポーズを捉えることを目的としている。
我々の重要な貢献は、未完成の画像翻訳フレームワークにおける外観、形状、ポーズの明示的で独立したモデリングである。
ショウジョウバエ(ハエ)、線虫(線虫)、ダニオ・レリオ(ゼブラフィッシュ)のポーズ推定精度の向上を実証した。
論文 参考訳(メタデータ) (2020-01-23T15:34:11Z)
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。