論文の概要: SeamPose: Repurposing Seams as Capacitive Sensors in a Shirt for Upper-Body Pose Tracking
- arxiv url: http://arxiv.org/abs/2406.11645v2
- Date: Tue, 6 Aug 2024 18:31:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-08 15:15:51.313966
- Title: SeamPose: Repurposing Seams as Capacitive Sensors in a Shirt for Upper-Body Pose Tracking
- Title（参考訳）: SeamPose:アッパー・ボディ・ポーズ・トラッキング用のキャパシティ・センサー
- Authors: Tianhong Catherine Yu, Manru Mary Zhang, Peter He, Chi-Jung Lee, Cassidy Cheesman, Saif Mahmud, Ruidong Zhang, François Guimbretière, Cheng Zhang,
- Abstract要約: シーム(英: Seam)は、2つ以上の布を縫い合わせることで形成された重なり合う生地の領域である。
SeamPoseでは,上半身ポーズの連続推定のためのシャツの容量センサとしてシームを再利用した。
- 参考スコア（独自算出の注目度）: 12.739899897317901
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Seams are areas of overlapping fabric formed by stitching two or more pieces of fabric together in the cut-and-sew apparel manufacturing process. In SeamPose, we repurposed seams as capacitive sensors in a shirt for continuous upper-body pose estimation. Compared to previous all-textile motion-capturing garments that place the electrodes on the clothing surface, our solution leverages existing seams inside of a shirt by machine-sewing insulated conductive threads over the seams. The unique invisibilities and placements of the seams afford the sensing shirt to look and wear similarly as a conventional shirt while providing exciting pose-tracking capabilities. To validate this approach, we implemented a proof-of-concept untethered shirt with 8 capacitive sensing seams. With a 12-participant user study, our customized deep-learning pipeline accurately estimates the relative (to the pelvis) upper-body 3D joint positions with a mean per joint position error (MPJPE) of 6.0 cm. SeamPose represents a step towards unobtrusive integration of smart clothing for everyday pose estimation.
- Abstract（参考訳）: シーム(英: Seam)は、カット・アンド・サブアパレル製造工程において、2つ以上の生地を縫合して形成された重なり合う生地の領域である。
SeamPoseでは,上半身ポーズの連続推定のためのシャツの容量センサとしてシームを再利用した。
従来のオールテキスタイルのモーションキャプチャー服と比較して、われわれのソリューションは既存のシームをシャツの内側に縫い付けることで、シームの上に絶縁導電性糸を縫い付ける。
シームの独特な不透明さと配置により、感覚シャツは従来のシャツと同様の外観と着用が可能となり、エキサイティングなポーズトラッキング機能を提供している。
提案手法を実証するために,8つの静電容量センシングシームを用いた概念実証アンテザードシャツを実装した。
12名の被験者を対象に, 骨盤上3次元関節位置の相対的(骨盤上)を, 平均関節位置誤差6.0cmで正確に推定した。
SeamPoseは、毎日のポーズ推定のためのスマートウェアの邪魔にならない統合への一歩だ。
関連論文リスト
- IMAGDressing-v1: Customizable Virtual Dressing [58.44155202253754]
IMAGDressing-v1は、固定された衣服とオプション条件で自由に編集可能な人間の画像を生成する仮想ドレッシングタスクである。
IMAGDressing-v1は、CLIPのセマンティック特徴とVAEのテクスチャ特徴をキャプチャする衣料UNetを組み込んでいる。
本稿では,凍結自己注意とトレーニング可能なクロスアテンションを含むハイブリッドアテンションモジュールを提案する。
論文 参考訳（メタデータ） (2024-07-17T16:26:30Z) - Telextiles: End-to-end Remote Transmission of Fabric Tactile Sensation [21.148682842511707]
織物の触覚は衣服の快適さを決定するのに重要である。
オンラインショッピングなどの遠隔利用では、ユーザーは衣服の織物に物理的に触れることができない。
繊維の触覚をリモートで伝達するインタフェースであるTelextilesを提案する。
論文 参考訳（メタデータ） (2024-05-06T11:13:50Z) - Clothes-Changing Person Re-Identification with Feasibility-Aware Intermediary Matching [86.04494755636613]
現在の衣服変更者の再識別(re-id)アプローチは通常、衣服に関係のない特徴に基づいて検索を行う。
本稿では,ファッション関連機能を検索に利用するためのFAIMフレームワークを提案する。
提案手法は, 広く使用されている衣服変化型re-idベンチマークにおいて, 最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2024-04-15T06:58:09Z) - Distributed Sensing Along Fibres for Smart Clothing [1.024113475677323]
繊維の複数の領域に沿った局所ひずみを測定するために,プロトタイプの衣服,コンパクトな読み出し回路,アルゴリズムを導入する。
ひずみ信号に選択的に応答するために、長さに沿って調整可能な感度を有するヘリカル補助糸センサを用いている。
肩・肘・手首関節角度の再建において,光学式モーションキャプチャと比較して約5degの誤差が認められた。
論文 参考訳（メタデータ） (2024-02-14T10:08:24Z) - ISP: Multi-Layered Garment Draping with Implicit Sewing Patterns [57.176642106425895]
本稿では,現在のアプローチの限界に対処する衣服表現モデルを提案する。
これは、純粋に暗黙的な表面表現よりも高速で高品質な再構成をもたらす。
個々の2Dパネルを編集することで、衣服の形状やテクスチャを素早く編集できる。
論文 参考訳（メタデータ） (2023-05-23T14:23:48Z) - Learning Garment DensePose for Robust Warping in Virtual Try-On [72.13052519560462]
そこで我々は,学習したDensePoseに基づく仮想試行のための頑健なワープ手法を提案する。
提案手法は,仮想試行ベンチマークにおける最先端の等価性を実現する。
論文 参考訳（メタデータ） (2023-03-30T20:02:29Z) - Wearing the Same Outfit in Different Ways -- A Controllable Virtual
Try-on Method [9.176056742068813]
衣料ビジュアライゼーション方法は、それらの衣料品の画像から、実際の衣料品を身に着けている人の画像を生成する。
現在の方法では、リアルに見え、衣服のアイデンティティを保ち、首輪、カフス、テクスチャ、ヘム、袖の長さといった細部で撮影できる。
本稿では,衣料品のアイデンティティを保ちながらドレープを制御する衣料ビジュアライゼーション手法について述べる。
論文 参考訳（メタデータ） (2022-11-29T01:01:01Z) - DIG: Draping Implicit Garment over the Human Body [56.68349332089129]
暗黙の面を用いて衣服を表現するエンド・ツー・エンドの差別化可能なパイプラインを提案し, 形状を条件としたスキン場を学習し, 調音体モデルのパラメーターを推定する。
本手法により, 画像観察から身体・衣服のパラメータを復元できることがわかった。
論文 参考訳（メタデータ） (2022-09-22T08:13:59Z) - Per Garment Capture and Synthesis for Real-time Virtual Try-on [15.128477359632262]
既存の画像ベースワークは、ターゲット服の1つの画像から試着画像を合成しようとする。
ポーズや体の大きさの変化によるしわの変化を再現することは困難であり、衣服を手で引っ張ったり伸ばしたりすることは困難である。
そこで本研究では,このようなリッチなインタラクションを,多くのシステマティックな画像を用いてトレーニングすることで,衣服ごとのキャプチャと合成のワークフローを提案する。
論文 参考訳（メタデータ） (2021-09-10T03:49:37Z) - SMPLicit: Topology-aware Generative Model for Clothed People [65.84665248796615]
SMPLicitは、身体のポーズ、形状、衣服の形状を共同で表現する新しい生成モデルである。
実験では,3dスキャンの装着や,服装者の画像の3d再構成にsmplicitが容易に利用できることを示す。
論文 参考訳（メタデータ） (2021-03-11T18:57:03Z) - VOGUE: Try-On by StyleGAN Interpolation Optimization [14.327659393182204]
対象者の画像と衣服を身に着けている人の画像から、対象の衣服を自動的に生成する。
提案手法の核心はポーズ条件付きstylegan2潜在空間であり,各画像からの関心領域をシームレスに結合する。
このアルゴリズムにより, 衣服は所定の形状に応じて変形し, パターンや素材の詳細を保存できる。
論文 参考訳（メタデータ） (2021-01-06T22:01:46Z)
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。