論文の概要: Extending the kinematic theory of rapid movements with new primitives
- arxiv url: http://arxiv.org/abs/2401.16519v1
- Date: Mon, 29 Jan 2024 19:45:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 17:16:15.203933
- Title: Extending the kinematic theory of rapid movements with new primitives
- Title(参考訳): 新しい原始体による急速運動の運動論の拡張
- Authors: Miguel A. Ferrer, Moises Diaz, Jose J. Quintana, Cristina
Carmona-Duarte
- Abstract要約: 我々は、さらなるプリミティブの使用を可能にする数学的枠組みを確立するKinematic Theory Transformを開発する。
我々は,人間,動物,人型ロボットが実施した軌道による再建結果を報告する。
- 参考スコア(独自算出の注目度): 4.656302602746229
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Kinematic Theory of rapid movements, and its associated Sigma-Lognormal,
model 2D spatiotemporal trajectories. It is constructed mainly as a temporal
overlap of curves between virtual target points. Specifically, it uses an arc
and a lognormal as primitives for the representation of the trajectory and
velocity, respectively. This paper proposes developing this model, in what we
call the Kinematic Theory Transform, which establishes a mathematical framework
that allows further primitives to be used. Mainly, we evaluate Euler curves to
link virtual target points and Gaussian, Beta, Gamma, Double-bounded lognormal,
and Generalized Extreme Value functions to model the bell-shaped velocity
profile. Using these primitives, we report reconstruction results with
spatiotemporal trajectories executed by human beings, animals, and
anthropomorphic robots.
- Abstract(参考訳): 急速運動の運動論とその関連するシグマ対数正規モデル2次元時空間軌跡
主に仮想目標点間の曲線の時間的重複として構成される。
具体的には、それぞれ軌跡と速度を表すプリミティブとしてアークと対数正規を用いる。
本稿では,このモデルの開発について,キネマティック理論変換(Kinematic Theory Transform)と呼ぶもので,さらなるプリミティブの使用を可能にする数学的枠組みを確立する。
主に,仮想目標点とガウス,ベータ,ガンマ,二重有界対数正規関数,一般化極値関数をリンクしてベル形状の速度分布をモデル化するためにオイラー曲線を評価する。
これらのプリミティブを用いて,ヒト,動物,人型ロボットによる時空間軌跡の再構成結果を報告する。
関連論文リスト
- iDeLog: Iterative Dual Spatial and Kinematic Extraction of
Sigma-Lognormal Parameters [4.273966905160028]
iDeLogは運動同値理論と知覚可能な視覚フィードバックにインスパイアされている。
iDeLogはSigma-Lognormalの以前の開発と比べて有望な結果を得た。
論文 参考訳(メタデータ) (2024-01-27T17:58:42Z) - Tight Fusion of Events and Inertial Measurements for Direct Velocity
Estimation [20.002238735553792]
本研究では,通常のカメラの代わりに動的視覚センサを用いて,一階キネマティクスのレベルで直接視覚-慣性融合を行う新しい手法を提案する。
本研究では, 短時間で高ダイナミックな状況下での速度推定がどのように得られるかを示す。
シミュレーションデータと実データの両方の実験により、提案された密接な事象-慣性融合が連続的かつ信頼性の高い速度推定に繋がることを示した。
論文 参考訳(メタデータ) (2024-01-17T15:56:57Z) - Curve Your Attention: Mixed-Curvature Transformers for Graph
Representation Learning [77.1421343649344]
本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。
また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
論文 参考訳(メタデータ) (2023-09-08T02:44:37Z) - SceNeRFlow: Time-Consistent Reconstruction of General Dynamic Scenes [75.9110646062442]
我々はSceNeRFlowを提案し、時間的一貫性のある方法で一般的な非剛体シーンを再構築する。
提案手法は,カメラパラメータを入力として,静止カメラからのマルチビューRGBビデオと背景画像を取得する。
実験により,小規模動作のみを扱う先行作業とは異なり,スタジオスケール動作の再構築が可能であることが示された。
論文 参考訳(メタデータ) (2023-08-16T09:50:35Z) - Flatter, faster: scaling momentum for optimal speedup of SGD [0.0]
ニューラルネットワークのトレーニングにおいて、勾配降下(SGD)とラベルノイズと運動量との相互作用から生じるトレーニングダイナミクスについて検討した。
運動量ハイパーパラメータ1-NISTbeta$を学習率で2/3$にスケーリングすると、一般化を犠牲にすることなく、最大で2/3$のトレーニングが加速することがわかった。
論文 参考訳(メタデータ) (2022-10-28T20:41:48Z) - Modelling Latent Dynamics of StyleGAN using Neural ODEs [52.03496093312985]
我々は、GANから独立に反転した潜在符号の軌跡を学習する。
学習した連続軌道により、無限のフレームと一貫したビデオ操作を行うことができる。
提案手法は最先端の性能を実現するが,計算量が少なくなる。
論文 参考訳(メタデータ) (2022-08-23T21:20:38Z) - NeMF: Neural Motion Fields for Kinematic Animation [6.570955948572252]
巨大な運動空間を時間とともに連続関数として表現するため、Neural Motion Fields (NeMF) と呼ぶ。
我々はニューラルネットワークを用いて、この関数をさまざまな動きの集合として学習する。
私たちは、その汎用性を証明するために、多様な人間の動きデータセットと四重組データセットでモデルをトレーニングします。
論文 参考訳(メタデータ) (2022-06-04T05:53:27Z) - Physics Informed RNN-DCT Networks for Time-Dependent Partial
Differential Equations [62.81701992551728]
時間依存偏微分方程式を解くための物理インフォームド・フレームワークを提案する。
我々のモデルは離散コサイン変換を用いて空間的および反復的なニューラルネットワークを符号化する。
ナヴィエ・ストークス方程式に対するテイラー・グリーン渦解の実験結果を示す。
論文 参考訳(メタデータ) (2022-02-24T20:46:52Z) - Skeleton-Based Action Segmentation with Multi-Stage Spatial-Temporal
Graph Convolutional Neural Networks [0.5156484100374059]
最先端のアクションセグメンテーションアプローチは、時間的畳み込みの複数の段階を使用する。
多段階時空間グラフ畳み込みニューラルネットワーク(MS-GCN)を提案する。
時間的畳み込みの初期段階を空間的時間的グラフ畳み込みに置き換え、関節の空間的構成をよりよく活用する。
論文 参考訳(メタデータ) (2022-02-03T17:42:04Z) - STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。
実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文 参考訳(メタデータ) (2021-07-15T02:53:11Z) - Hyperbolic Variational Graph Neural Network for Modeling Dynamic Graphs [77.33781731432163]
我々は,ノード表現の推論を目的とした双曲空間における動的グラフ表現を初めて学習する。
本稿では,HVGNNと呼ばれる新しいハイパーボリック変動グラフネットワークを提案する。
特に,動力学をモデル化するために,理論的に接地した時間符号化手法に基づく時間gnn(tgnn)を導入する。
論文 参考訳(メタデータ) (2021-04-06T01:44:15Z)
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。