論文の概要: GTA-Net: An IoT-Integrated 3D Human Pose Estimation System for Real-Time Adolescent Sports Posture Correction

• arxiv url: http://arxiv.org/abs/2411.06725v1
• Date: Mon, 11 Nov 2024 05:17:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:09:12.652114
• Title: GTA-Net: An IoT-Integrated 3D Human Pose Estimation System for Real-Time Adolescent Sports Posture Correction
• Title（参考訳）: GTA-Net: リアルタイムスポーツ姿勢補正のためのIoTを内蔵した3次元姿勢推定システム
• Authors: Shizhe Yuan, Li Zhou,
• Abstract要約: GTA-Netは、青少年スポーツにおける姿勢補正とリアルタイムフィードバックのためのインテリジェントシステムであり、IoT対応環境に統合されている。 このモデルは、グラフ畳み込みネットワーク(GCN)、時間畳み込みネットワーク(TCN)、注意機構を組み込むことにより、動的シーンにおけるポーズ推定を強化する。 GTA-NetのHuman3.6M、HumanEva-I、MPI-INF-3DHPデータセットにおける優れた性能を示す実験結果が得られた。
• 参考スコア（独自算出の注目度）: 3.0098511251471005
• License:
• Abstract: With the advancement of artificial intelligence, 3D human pose estimation-based systems for sports training and posture correction have gained significant attention in adolescent sports. However, existing methods face challenges in handling complex movements, providing real-time feedback, and accommodating diverse postures, particularly with occlusions, rapid movements, and the resource constraints of Internet of Things (IoT) devices, making it difficult to balance accuracy and real-time performance. To address these issues, we propose GTA-Net, an intelligent system for posture correction and real-time feedback in adolescent sports, integrated within an IoT-enabled environment. This model enhances pose estimation in dynamic scenes by incorporating Graph Convolutional Networks (GCN), Temporal Convolutional Networks (TCN), and Hierarchical Attention mechanisms, achieving real-time correction through IoT devices. Experimental results show GTA-Net's superior performance on Human3.6M, HumanEva-I, and MPI-INF-3DHP datasets, with Mean Per Joint Position Error (MPJPE) values of 32.2mm, 15.0mm, and 48.0mm, respectively, significantly outperforming existing methods. The model also demonstrates strong robustness in complex scenarios, maintaining high accuracy even with occlusions and rapid movements. This system enhances real-time posture correction and offers broad applications in intelligent sports and health management.
• Abstract（参考訳）: 人工知能の進歩に伴い、スポーツトレーニングと姿勢補正のための3次元ポーズ推定システムも青少年スポーツにおいて大きな注目を集めている。 しかし、既存の手法では、複雑な動きの処理、リアルタイムフィードバックの提供、さまざまな姿勢、特に閉塞、迅速な動き、IoT(Internet of Things)デバイスのリソース制約といった課題に直面しており、精度とリアルタイムのパフォーマンスのバランスをとるのが困難である。 これらの問題に対処するため,若年スポーツにおける姿勢補正とリアルタイムフィードバックのためのインテリジェントシステムであるGTA-NetをIoT対応環境に統合する。 このモデルは、グラフ畳み込みネットワーク(GCN)、時間畳み込みネットワーク(TCN)、階層型アテンション機構を組み込むことで、動的シーンにおけるポーズ推定を強化し、IoTデバイスによるリアルタイムな修正を実現する。 GTA-NetのHuman3.6M、HumanEva-I、MPI-INF-3DHPデータセットにおける優れた性能を示し、MPJPE(Mean Per Joint Position Error)値は32.2mm、15.0mm、48.0mmであり、既存の手法よりも大幅に優れていた。 モデルはまた、複雑なシナリオにおいて強い堅牢性を示し、閉塞や急激な動きであっても高い精度を維持する。 このシステムは、リアルタイム姿勢補正を強化し、インテリジェントスポーツと健康管理に幅広い応用を提供する。

関連論文リスト

• Unlabeled Action Quality Assessment Based on Multi-dimensional Adaptive Constrained Dynamic Time Warping [12.639728404278255]
  本稿では,動作品質評価のためのMED-ACDTW法を提案する。 提案手法では2次元および3次元の空間次元と複数の人体特徴を用いてテンプレートとテストビデオの特徴を比較する。 適応的制約スキームは、行動品質評価の判別可能性を約30%向上させる。
  論文  参考訳（メタデータ） (2024-10-18T04:00:26Z)
• EITNet: An IoT-Enhanced Framework for Real-Time Basketball Action Recognition [17.068932442773864]
  EITNetは、ディープラーニング、I3D時間オブジェクト抽出、時間解析のためのTimeSformerを組み合わせたフレームワークである。 私たちの貢献には、認識精度を92%向上する堅牢なアーキテクチャの開発が含まれています。 IoTテクノロジの統合は、リアルタイムデータ処理を強化し、プレイヤーのパフォーマンスと戦略に関する適応的な洞察を提供する。
  論文  参考訳（メタデータ） (2024-10-13T18:21:15Z)
• Real-time Monitoring of Lower Limb Movement Resistance Based on Deep Learning [0.0]
  リアルタイム下肢運動抵抗モニタリングは,リハビリテーションや運動訓練などの臨床・スポーツ分野での様々な用途において重要である。 効率的な特徴抽出のためにMobileNetV3を統合した新しいMobile Multi-Task Learning Network (MMTL-Net)を提案する。 MMTL-Netの利点は、精度の向上、レイテンシの低減、計算効率の向上であり、リアルタイムアプリケーションに非常に適している。
  論文  参考訳（メタデータ） (2024-10-13T18:19:48Z)
• DICE: End-to-end Deformation Capture of Hand-Face Interactions from a Single Image [98.29284902879652]
  DICEは1枚の画像から変形認識による手と顔のインタラクションを再現する最初のエンドツーエンド手法である。 ローカルな変形場とグローバルなメッシュ位置の回帰を2つのネットワークブランチに切り離すことが特徴である。 標準的なベンチマークと、精度と物理的妥当性の点から見れば、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-06-26T00:08:29Z)
• Atlas3D: Physically Constrained Self-Supporting Text-to-3D for Simulation and Fabrication [50.541882834405946]
  我々は,テキストから3Dへの自動的実装であるAtlas3Dを紹介する。 提案手法は,新しい微分可能シミュレーションに基づく損失関数と,物理的にインスパイアされた正規化を組み合わせたものである。 我々は、Atlas3Dの有効性を広範囲な生成タスクを通して検証し、シミュレーションと実環境の両方で結果の3Dモデルを検証する。
  論文  参考訳（メタデータ） (2024-05-28T18:33:18Z)
• FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models [62.663113296987085]
  クラス増分学習(class-incremental learning)は、モデルが限られたデータに基づいて漸進的にトレーニングされている場合、破滅的な忘れの問題を軽減することを目的としている。 冗長特徴除去器(RFE)と空間ノイズ補償器(SNC)の2つの新しいコンポーネントを紹介する。 既存の3次元データセットの不均衡を考慮し、3次元FSCILモデルのより微妙な評価を提供する新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2023-12-28T14:52:07Z)
• A Flexible-Frame-Rate Vision-Aided Inertial Object Tracking System for Mobile Devices [3.4836209951879957]
  本稿では,モバイルデバイス用フレキシブルフレームレートオブジェクトポーズ推定とトラッキングシステムを提案する。 高速トラッキングのためにクライアント側で慣性計測ユニット(IMU)ポーズ伝搬を行い、サーバ側でRGB画像ベースの3Dポーズ推定を行う。 我々のシステムは120FPSまでのフレキシブルフレームレートをサポートし、ローエンドデバイス上での高精度かつリアルタイムなトラッキングを保証する。
  論文  参考訳（メタデータ） (2022-10-22T15:26:50Z)
• Real-Time Human Pose Estimation on a Smart Walker using Convolutional Neural Networks [4.076099054649463]
  スマートウォーカのコンテキストにおける患者モニタリングとデータ駆動型ヒューマン・イン・ザ・ループ制御に対する新しいアプローチを提案する。 完全かつコンパクトなボディ表現を、リアルタイムおよび安価なセンサーから抽出することができる。 有望な結果にもかかわらず、現実のシナリオにおけるリハビリテーションツールとしてのパフォーマンスを評価するために、障害のあるユーザにより多くのデータを収集する必要がある。
  論文  参考訳（メタデータ） (2021-06-28T14:11:48Z)
• Neural Monocular 3D Human Motion Capture with Physical Awareness [76.55971509794598]
  物理的に可塑性なマーカーレス3次元モーションキャプチャのための新しいトレーニングシステムを提案する。 人間のモーションキャプチャのためのほとんどのニューラルな手法とは異なり、我々のアプローチは物理的および環境的な制約を認識している。 様々な場面でインタラクティブなフレームレートで、滑らかで物理的に原理化された3dモーションを生成する。
  論文  参考訳（メタデータ） (2021-05-03T17:57:07Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)
• Physics-Based Dexterous Manipulations with Estimated Hand Poses and Residual Reinforcement Learning [52.37106940303246]
  ノイズの多い入力ポーズをターゲットの仮想ポーズにマッピングするモデルを学習する。 モデルフリーハイブリッドRL+ILアプローチを用いて残留条件下で訓練する。 筆者らは,VRにおける手動物体の相互作用と,それを用いた手動物体の動作再構成という,手動姿勢推定を用いた2つのアプリケーションで,我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2020-08-07T17:34:28Z)

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。