論文の概要: Benchmarking 2D Egocentric Hand Pose Datasets

• arxiv url: http://arxiv.org/abs/2409.07337v1
• Date: Wed, 11 Sep 2024 15:18:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-12 14:03:35.656675
• Title: Benchmarking 2D Egocentric Hand Pose Datasets
• Title（参考訳）: 2D Egocentric Hand Pose データセットのベンチマーク
• Authors: Olga Taran, Damian M. Manzone, Jose Zariffa,
• Abstract要約: エゴセントリックビデオからのポーズ推定は、様々な領域に広範に影響を及ぼす。 本研究は2次元ポーズ推定に適した最先端のエゴセントリックデータセットの分析に充てられる。
• 参考スコア（独自算出の注目度）: 1.611271868398988
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Hand pose estimation from egocentric video has broad implications across various domains, including human-computer interaction, assistive technologies, activity recognition, and robotics, making it a topic of significant research interest. The efficacy of modern machine learning models depends on the quality of data used for their training. Thus, this work is devoted to the analysis of state-of-the-art egocentric datasets suitable for 2D hand pose estimation. We propose a novel protocol for dataset evaluation, which encompasses not only the analysis of stated dataset characteristics and assessment of data quality, but also the identification of dataset shortcomings through the evaluation of state-of-the-art hand pose estimation models. Our study reveals that despite the availability of numerous egocentric databases intended for 2D hand pose estimation, the majority are tailored for specific use cases. There is no ideal benchmark dataset yet; however, H2O and GANerated Hands datasets emerge as the most promising real and synthetic datasets, respectively.
• Abstract（参考訳）: エゴセントリックビデオからのポーズ推定は、人間とコンピュータの相互作用、補助技術、活動認識、ロボット工学など、様々な領域に広範に影響を与えており、重要な研究対象となっている。 現代の機械学習モデルの有効性は、トレーニングに使用されるデータの質に依存する。 そこで本研究は,2次元ポーズ推定に適した最先端の自己中心型データセットの解析に焦点をあてる。 本稿では,提案するデータセットの特徴の分析とデータ品質の評価だけでなく,最先端手ポーズ推定モデルによるデータセットの欠点の同定を含む,データセット評価のための新しいプロトコルを提案する。 本研究は,2次元ポーズ推定を目的とした多数のエゴセントリックデータベースが利用可能であるにもかかわらず,その大部分は特定のユースケースに適したものであることを明らかにした。 理想的なベンチマークデータセットはまだ存在しないが、H2OとGANerated Handsのデータセットは、それぞれ最も有望な実データと合成データセットとして現れている。

関連論文リスト

• 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)
• Assessing Dataset Quality Through Decision Tree Characteristics in Autoencoder-Processed Spaces [0.30458514384586394]
  データセットの品質がモデルトレーニングとパフォーマンスに深く影響していることを示します。 以上の結果から,適切な特徴選択,適切なデータボリューム,データ品質の重要性が浮き彫りになった。 この研究は、データアセスメントのプラクティスに関する貴重な洞察を提供し、より正確で堅牢な機械学習モデルの開発に寄与する。
  論文  参考訳（メタデータ） (2023-06-27T11:33:31Z)
• Exploring the Effectiveness of Dataset Synthesis: An application of Apple Detection in Orchards [68.95806641664713]
  本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。 我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。 その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-20T09:46:01Z)
• Video-based Pose-Estimation Data as Source for Transfer Learning in Human Activity Recognition [71.91734471596433]
  オンボディデバイスを用いたヒューマンアクティビティ認識(HAR)は、制約のない環境での特定の人間の行動を特定する。 これまでの研究は、トランスファーラーニングが、少ないデータでシナリオに対処するための良い戦略であることを実証した。 本稿では,人為的位置推定を目的としたデータセットを伝達学習の情報源として用いることを提案する。
  論文  参考訳（メタデータ） (2022-12-02T18:19:36Z)
• Data-SUITE: Data-centric identification of in-distribution incongruous examples [81.21462458089142]
  Data-SUITEは、ID(In-distriion)データの不連続領域を特定するためのデータ中心のフレームワークである。 我々は,Data-SUITEの性能保証とカバレッジ保証を実証的に検証する。
  論文  参考訳（メタデータ） (2022-02-17T18:58:31Z)
• Homogenization of Existing Inertial-Based Datasets to Support Human Activity Recognition [8.076841611508486]
  信号から日常生活の行動を認識する問題に対処するために,いくつかの手法が提案されている。 慣性信号に適用する深層学習技術は有効であることが証明されており、かなりの分類精度が達成されている。 人間の行動認識モデルの研究は、ほぼ完全にモデル中心である。
  論文  参考訳（メタデータ） (2022-01-17T14:29:48Z)
• Exploring the Efficacy of Automatically Generated Counterfactuals for Sentiment Analysis [17.811597734603144]
  本稿では,データ拡張と説明のためのデファクトデータの自動生成手法を提案する。 いくつかの異なるデータセットに対する包括的な評価と、さまざまな最先端ベンチマークの使用により、我々のアプローチがモデルパフォーマンスを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2021-06-29T10:27:01Z)
• 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)
• Ego2Hands: A Dataset for Egocentric Two-hand Segmentation and Detection [1.0742675209112622]
  Ego2Handsは、大規模なRGBベースの手分割/検出データセットで、半自動注釈付きである。 定量的分析のために,既存のベンチマークの量,多様性,アノテーションの精度を大幅に上回る評価セットを手作業でアノテートした。
  論文  参考訳（メタデータ） (2020-11-14T10:12:35Z)
• DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
  人-物間相互作用(HOI)検出の課題に対処する。 既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。 本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:40Z)
• On the Composition and Limitations of Publicly Available COVID-19 X-Ray Imaging Datasets [0.0]
  データ不足、トレーニングとターゲット人口のミスマッチ、グループ不均衡、ドキュメントの欠如は、バイアスの重要な原因である。 本稿では,現在公開されている新型コロナウイルス胸部X線データセットの概要を紹介する。
  論文  参考訳（メタデータ） (2020-08-26T14:16:01Z)

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。