論文の概要: Counterfactual Explanation-Based Badminton Motion Guidance Generation Using Wearable Sensors

• arxiv url: http://arxiv.org/abs/2405.11802v1
• Date: Mon, 20 May 2024 05:48:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 14:03:49.317259
• Title: Counterfactual Explanation-Based Badminton Motion Guidance Generation Using Wearable Sensors
• Title（参考訳）: ウェアラブルセンサを用いた非現実的説明に基づくバドミントン動作誘導
• Authors: Minwoo Seong, Gwangbin Kim, Yumin Kang, Junhyuk Jang, Joseph DelPreto, SeungJun Kim,
• Abstract要約: 本研究では,パーソナライズされた動作ガイドを生成することにより,バドミントン選手のストローク品質を向上させる枠組みを提案する。 これらのガイドは、逆ファクトアルゴリズムに基づいており、初心者と熟練者の間のパフォーマンスギャップを減らすことを目的としている。 本手法は,専門家の知識を必要とせず,選手の動作改善を支援するために,可視化可能なデータを通じて共同レベルのガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 7.439909114662477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study proposes a framework for enhancing the stroke quality of badminton players by generating personalized motion guides, utilizing a multimodal wearable dataset. These guides are based on counterfactual algorithms and aim to reduce the performance gap between novice and expert players. Our approach provides joint-level guidance through visualizable data to assist players in improving their movements without requiring expert knowledge. The method was evaluated against a traditional algorithm using metrics to assess validity, proximity, and plausibility, including arithmetic measures and motion-specific evaluation metrics. Our evaluation demonstrates that the proposed framework can generate motions that maintain the essence of original movements while enhancing stroke quality, providing closer guidance than direct expert motion replication. The results highlight the potential of our approach for creating personalized sports motion guides by generating counterfactual motion guidance for arbitrary input motion samples of badminton strokes.
• Abstract（参考訳）: 本研究では,マルチモーダルウェアラブルデータセットを用いて,パーソナライズされた動作ガイドを生成することにより,バドミントン選手のストローク品質を向上させる枠組みを提案する。 これらのガイドは、逆ファクトアルゴリズムに基づいており、初心者と熟練者の間のパフォーマンスギャップを減らすことを目的としている。 本手法は,専門家の知識を必要とせず,選手の動作改善を支援するために,可視化可能なデータを通じて共同レベルのガイダンスを提供する。 本手法は,算術的尺度や運動特異的評価指標を含む有効性,近接性,妥当性を評価するために,従来のアルゴリズムに対して評価を行った。 提案手法は,ストロークの質を高めつつも,動きの本質を維持できる動きを生成できることを示す。 その結果, バドミントンストロークの任意の入力動作サンプルに対して, 対実動作誘導を生成することで, パーソナライズされたスポーツ運動ガイドを作成するためのアプローチの可能性を強調した。

関連論文リスト

• MotionRL: Align Text-to-Motion Generation to Human Preferences with Multi-Reward Reinforcement Learning [99.09906827676748]
  我々は、テキスト・ツー・モーション生成タスクを最適化するために、Multi-Reward Reinforcement Learning(RL)を利用する最初のアプローチであるMotionRLを紹介する。 我々の新しいアプローチは、人間の知覚モデルに関する知識以前の人間の嗜好に基づいて、強化学習を用いて運動生成体を微調整する。 さらに、MotionRLは、テキストのアテンデンス、モーションクオリティ、人間の好みの最適性を近似する、新しい多目的最適化戦略を導入している。
  論文  参考訳（メタデータ） (2024-10-09T03:27:14Z)
• A review on vision-based motion estimation [18.979649159405962]
  接触センサを用いたモーション計測と比較して、視覚ベースのモーション計測は低コストで高効率の利点がある。 本稿では,既存の動き計測手法について概説する。 この問題に対処するため,我々はガウスカーネルを用いた運動計測法を開発した。
  論文  参考訳（メタデータ） (2024-07-19T17:28:49Z)
• Aligning Human Motion Generation with Human Perceptions [51.831338643012444]
  本研究では,大規模人間の知覚評価データセットであるMotionPerceptと,人間の動作批判モデルであるMotionCriticを導入することにより,ギャップを埋めるデータ駆動型アプローチを提案する。 我々の批評家モデルは、運動品質を評価するためのより正確な指標を提供しており、容易に運動生成パイプラインに統合することができる。
  論文  参考訳（メタデータ） (2024-07-02T14:01:59Z)
• Learning Generalizable Human Motion Generator with Reinforcement Learning [95.62084727984808]
  テキスト駆動型ヒューマンモーション生成は、コンピュータ支援コンテンツ作成において重要なタスクの1つである。 既存の方法は訓練データ中の特定の動作表現に過度に適合することが多く、一般化する能力を妨げている。 一般化可能なヒューマンモーション生成のための強化学習において,パスとエラーのパラダイムを取り入れた textbfInstructMotion を提案する。
  論文  参考訳（メタデータ） (2024-05-24T13:29:12Z)
• AI coach for badminton [0.0]
  本研究では,バドミントンマッチの映像を識別し,プレイヤーの運動学と生体力学の知見を抽出する。 この研究は、姿勢、技術、筋肉の向きの改善を示唆する予測モデルを導出することを目的としている。 これらの勧告は、誤ったテクニックを緩和し、関節疲労のリスクを低減し、全体的なパフォーマンスを向上させるように設計されている。
  論文  参考訳（メタデータ） (2024-03-13T20:51:21Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
  本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。 入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。 実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-09-15T17:05:02Z)
• 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)

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。