論文の概要: In-Bed Pose Estimation: A Review

• arxiv url: http://arxiv.org/abs/2402.00700v1
• Date: Thu, 1 Feb 2024 15:57:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 15:06:00.863955
• Title: In-Bed Pose Estimation: A Review
• Title（参考訳）: In-Bed Poseの推定: レビュー
• Authors: Ziya Ata Yaz{\i}c{\i}, Sara Colantonio, Haz{\i}m Kemal Ekenel
• Abstract要約: ベッド内ポーズ推定は、患者の睡眠行動を監視し、潜在的な疾患の診断のために早期に症状を検出するために用いられる。 いくつかの研究は、ベッド内の人間のポーズを推定するために、一様および多様の手法を利用している。 本研究の目的は,従来の研究の限界,現状の課題,そしてベッド内人間のポーズ推定分野における今後の研究に対する洞察を提供することである。
• 参考スコア（独自算出の注目度）: 8.707107668375906
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human pose estimation, the process of identifying joint positions in a person's body from images or videos, represents a widely utilized technology across diverse fields, including healthcare. One such healthcare application involves in-bed pose estimation, where the body pose of an individual lying under a blanket is analyzed. This task, for instance, can be used to monitor a person's sleep behavior and detect symptoms early for potential disease diagnosis in homes and hospitals. Several studies have utilized unimodal and multimodal methods to estimate in-bed human poses. The unimodal studies generally employ RGB images, whereas the multimodal studies use modalities including RGB, long-wavelength infrared, pressure map, and depth map. Multimodal studies have the advantage of using modalities in addition to RGB that might capture information useful to cope with occlusions. Moreover, some multimodal studies exclude RGB and, this way, better suit privacy preservation. To expedite advancements in this domain, we conduct a review of existing datasets and approaches. Our objectives are to show the limitations of the previous studies, current challenges, and provide insights for future works on the in-bed human pose estimation field.
• Abstract（参考訳）: 人間のポーズ推定は、画像やビデオから身体の関節の位置を識別するプロセスであり、医療を含む様々な分野で広く利用されている技術を表している。 このようなヘルスケアアプリケーションのひとつとして、ベッド内ポーズ推定があり、毛布の下に横たわる個人の体格を分析します。 このタスクは、例えば、人の睡眠行動を監視し、早期に症状を検出し、家庭や病院で疾患の診断を行うために使用することができる。 ユニモーダル法とマルチモーダル法を用いてベッド内での人間のポーズを推定する研究がいくつか行われている。 ユニモーダル研究は一般にrgb画像を用いるが、マルチモーダル研究はrgb、長波長赤外線、圧力マップ、深度マップなどのモダリティを用いる。 マルチモーダル研究は、咬合に対処するのに有用な情報を取得することができるRGBに加えて、モダリティを使用する利点がある。 さらに、いくつかのマルチモーダル研究はrgbを除外し、プライバシー保護に適している。 この領域の進歩を早めるために、既存のデータセットとアプローチのレビューを行います。 本研究の目的は,従来の研究の限界,現状の課題,そしてベッド内人間のポーズ推定分野における今後の研究に対する洞察を提供することである。

関連論文リスト

• A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis [48.84443450990355]
  ディープネットワークは、医学的なスキャンに適用すると、例外のない状況で失敗することが多いため、自然画像の解析において広く成功している。 胸部X線や皮膚病変画像の文脈において、異なる病院から採取したデータや、性別、人種などの人口統計学的変数によって構築されたデータなど、ドメインシフトに対するモデル感度に焦点をあてる。 医学教育からインスピレーションを得て,自然言語で伝達される明示的な医学知識を基盤としたディープネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-23T17:55:02Z)
• Data Augmentation in Human-Centric Vision [54.97327269866757]
  本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。 それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。 我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
  論文  参考訳（メタデータ） (2024-03-13T16:05:18Z)
• Deep learning for 3D human pose estimation and mesh recovery: A survey [6.535833206786788]
  本稿では過去5年間の3次元ポーズ推定のためのディープラーニング手法の進歩を概観する。 我々の知る限りでは、この調査は人間の3次元ポーズ推定のためのディープラーニング手法を包括的にカバーした最初のものであることは間違いない。
  論文  参考訳（メタデータ） (2024-02-29T04:30:39Z)
• Privacy-Preserving In-Bed Pose Monitoring: A Fusion and Reconstruction Study [9.474452908573111]
  ベッド内ポーズ推定における複数の非視覚的・プライバシー保護的モダリティの画像の有効利用について検討する。 まず,様々な画像モダリティからの情報を効果的に融合し,より優れたポーズ推定を行う。 次に,可視画像が利用できない場合のベッド内ポーズ推定を行うフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-22T07:24:21Z)
• In-Bed Human Pose Estimation from Unseen and Privacy-Preserving Image Domains [22.92165116962952]
  ベッド内の人間の姿勢推定は、医療状況の評価において潜在的な価値を持つ重要な健康関連指標を提供する。 本稿では,マルチモーダル条件変分オートエンコーダ(MC-VAE)を提案する。 本研究は, 身体位置が利用可能なモダリティから効果的に認識できることを示し, ベースラインモデルと同等の結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-11-30T04:56:16Z)
• Towards Accurate Cross-Domain In-Bed Human Pose Estimation [3.685548851716087]
  長波長赤外(LWIR)変調に基づくポーズ推定アルゴリズムは、上記の課題を克服する。 そこで本研究では,ドメイン間差を低減するために,2次元データ拡張による新たな学習戦略を提案する。 実験と分析により,複数の標準人のポーズ推定基準に対するアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-07T15:54:46Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)
• Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
  人間のポーズ推定は、過去10年間に注目を集めてきた。 ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。 最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-12-24T18:49:06Z)
• Multimodal In-bed Pose and Shape Estimation under the Blankets [77.12439296395733]
  マルチモーダルセンサが捉えた知識を最大限活用するために,様々なモダリティを融合するピラミッド方式を提案する。 我々は注意に基づく再構築モジュールを用いて検出されたモダリティを生成し,現在の推定値を更新するためにさらに融合する。
  論文  参考訳（メタデータ） (2020-12-12T05:35:23Z)
• Multi-view Human Pose and Shape Estimation Using Learnable Volumetric Aggregation [0.0]
  キャリブレーションされた多視点画像から3次元人体ポーズと形状を再構成する学習可能なアグリゲーション手法を提案する。 従来の手法と比較して,我々のフレームワークは,コスト効率を考えると,より精度が高く,リアルタイムな予測が期待できる。
  論文  参考訳（メタデータ） (2020-11-26T18:33:35Z)
• RGB-D Salient Object Detection: A Survey [195.83586883670358]
  様々な観点からRGB-Dに基づくSODモデルを総合的に調査する。 また、このドメインからSODモデルと人気のあるベンチマークデータセットもレビューします。 今後の研究に向けたRGB-DベースのSODの課題と方向性について論じる。
  論文  参考訳（メタデータ） (2020-08-01T10:01:32Z)

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。