論文の概要: Personalization of Wearable Sensor-Based Joint Kinematic Estimation Using Computer Vision for Hip Exoskeleton Applications

• arxiv url: http://arxiv.org/abs/2411.15366v1
• Date: Fri, 22 Nov 2024 22:17:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:19:14.606416
• Title: Personalization of Wearable Sensor-Based Joint Kinematic Estimation Using Computer Vision for Hip Exoskeleton Applications
• Title（参考訳）: コンピュータビジョンを用いたウェアラブルセンサを用いた関節キネマティック推定の股関節外骨格への応用
• Authors: Changseob Song, Bogdan Ivanyuk-Skulskyi, Adrian Krieger, Kaitao Luo, Inseung Kang,
• Abstract要約: 実時間関節キネマティック推定のためのコンピュータビジョンに基づくDL適応フレームワークを提案する。 このフレームワークは小さなデータセット(すなわち1-2歩行サイクル)しか必要とせず、プロのモーションキャプチャー設定に依存しない。 本フレームワークは, スマートフォンカメラ学習型DLモデルを用いて, 臨床における新規ユーザ間でのリアルタイム関節キネマティクスを推定し, ウェアラブルロボットへの応用の可能性を示すものである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Accurate lower-limb joint kinematic estimation is critical for applications such as patient monitoring, rehabilitation, and exoskeleton control. While previous studies have employed wearable sensor-based deep learning (DL) models for estimating joint kinematics, these methods often require extensive new datasets to adapt to unseen gait patterns. Meanwhile, researchers in computer vision have advanced human pose estimation models, which are easy to deploy and capable of real-time inference. However, such models are infeasible in scenarios where cameras cannot be used. To address these limitations, we propose a computer vision-based DL adaptation framework for real-time joint kinematic estimation. This framework requires only a small dataset (i.e., 1-2 gait cycles) and does not depend on professional motion capture setups. Using transfer learning, we adapted our temporal convolutional network (TCN) to stiff knee gait data, allowing the model to further reduce root mean square error by 9.7% and 19.9% compared to a TCN trained on only able-bodied and stiff knee datasets, respectively. Our framework demonstrates a potential for smartphone camera-trained DL models to estimate real-time joint kinematics across novel users in clinical populations with applications in wearable robots.
• Abstract（参考訳）: 患者モニタリング、リハビリテーション、および外骨格制御などの応用において、正確な下肢関節キネマティック推定が重要である。 これまでの研究では、関節キネマティクスを推定するためにウェアラブルセンサーベースのディープラーニング(DL)モデルが用いられてきたが、これらの手法は目に見えない歩行パターンに適応するために、広範囲な新しいデータセットを必要とすることが多い。 一方、コンピュータビジョンの研究者たちは、展開が容易でリアルタイムの推論が可能な、高度な人間のポーズ推定モデルを持っている。 しかし、このようなモデルはカメラが使えないシナリオでは実現できない。 これらの制約に対処するため,実時間関節運動推定のためのコンピュータビジョンに基づくDL適応フレームワークを提案する。 このフレームワークは小さなデータセット(すなわち1-2歩行サイクル)しか必要とせず、プロのモーションキャプチャー設定に依存しない。 移植学習を用いて, 側頭葉畳み込みネットワーク(TCN)を膝歩行データに適合させ, 根平均二乗誤差を9.7%, 19.9%削減した。 本フレームワークは, スマートフォンカメラ学習型DLモデルを用いて, 臨床における新規ユーザ間でのリアルタイム関節キネマティクスを推定し, ウェアラブルロボットへの応用の可能性を示すものである。

関連論文リスト

• Optimizing Locomotor Task Sets in Biological Joint Moment Estimation for Hip Exoskeleton Applications [0.0]
  本稿では,モデル性能を保った最小かつ代表的タスク群を特定するために,ロコモータなタスクセット最適化手法を提案する。 本研究は,データ収集とモデルトレーニングに関連するコストを大幅に削減しつつ,モデルの精度を維持する能力を示す。
  論文  参考訳（メタデータ） (2024-12-10T17:29:21Z)
• Adversarial Robustification via Text-to-Image Diffusion Models [56.37291240867549]
  アドリラルロバスト性は、ニューラルネットワークをエンコードする難しい性質として伝統的に信じられてきた。 データを使わずに敵の堅牢性を実現するために,スケーラブルでモデルに依存しないソリューションを開発した。
  論文  参考訳（メタデータ） (2024-07-26T10:49:14Z)
• Benchmarking Skeleton-based Motion Encoder Models for Clinical Applications: Estimating Parkinson's Disease Severity in Walking Sequences [3.650839294933459]
  PD患者の歩行パターンを解析するための大規模人間の動作データセットを訓練した一般人動作エンコーダ。 運動障害社会の予測能力について,6つの事前訓練されたヒト運動エンコーダモデルの評価を行った。
  論文  参考訳（メタデータ） (2024-05-28T04:29:10Z)
• Retrieval-Enhanced Contrastive Vision-Text Models [61.783728119255365]
  そこで本研究では,メモリから取得したクロスモーダルな情報を推論時に表現することで,その埋め込みを洗練できる視覚テキストモデルを提案する。 注目すべきことに、これは凍ったCLIPの上に軽量の単層核融合トランスを用いて行うことができる。 検索強化コントラスト訓練(RECO)がCLIPの性能を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-06-12T15:52:02Z)
• Robust Category-Level 3D Pose Estimation from Synthetic Data [17.247607850702558]
  CADモデルから生成されたオブジェクトポーズ推定のための新しい合成データセットであるSyntheticP3Dを紹介する。 逆レンダリングによるポーズ推定を行うニューラルネットワークモデルをトレーニングするための新しいアプローチ(CC3D)を提案する。
  論文  参考訳（メタデータ） (2023-05-25T14:56:03Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
  本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。 実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
  論文  参考訳（メタデータ） (2021-07-15T02:53:11Z)
• Transformer-Based Behavioral Representation Learning Enables Transfer Learning for Mobile Sensing in Small Datasets [4.276883061502341]
  時系列から一般化可能な特徴表現を学習できるモバイルセンシングデータのためのニューラルネットワークフレームワークを提供する。 このアーキテクチャは、CNNとTrans-formerアーキテクチャの利点を組み合わせて、より良い予測性能を実現する。
  論文  参考訳（メタデータ） (2021-07-09T22:26:50Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Kinematic-Structure-Preserved Representation for Unsupervised 3D Human Pose Estimation [58.72192168935338]
  大規模インスタディオデータセットの監視を用いて開発された人間のポーズ推定モデルの一般化可能性については疑問が残る。 本稿では,2対あるいは2対の弱い監督者によって抑制されない,新しいキネマティック構造保存型非教師付き3次元ポーズ推定フレームワークを提案する。 提案モデルでは,前方運動学,カメラ投影,空間マップ変換という3つの連続的な微分可能変換を用いる。
  論文  参考訳（メタデータ） (2020-06-24T23:56:33Z)
• Unsupervised Pre-trained Models from Healthy ADLs Improve Parkinson's Disease Classification of Gait Patterns [3.5939555573102857]
  パーキンソン病分類のための加速度計歩行データに関連する特徴を抽出する方法を示す。 我々の事前学習したソースモデルは畳み込みオートエンコーダで構成されており、ターゲット分類モデルは単純な多層パーセプトロンモデルである。 本研究は,Parkinson病分類の課題に対する事前学習モデルの選択が与える影響を,異なる活動群を用いて訓練した2つの異なるソースモデルについて検討する。
  論文  参考訳（メタデータ） (2020-05-06T04:08:19Z)

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。