論文の概要: AthletePose3D: A Benchmark Dataset for 3D Human Pose Estimation and Kinematic Validation in Athletic Movements

• arxiv url: http://arxiv.org/abs/2503.07499v1
• Date: Mon, 10 Mar 2025 16:16:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 18:54:16.221628
• Title: AthletePose3D: A Benchmark Dataset for 3D Human Pose Estimation and Kinematic Validation in Athletic Movements
• Title（参考訳）: AthletePose3D: 運動運動における3次元姿勢推定と運動性検証のためのベンチマークデータセット
• Authors: Calvin Yeung, Tomohiro Suzuki, Ryota Tanaka, Zhuoer Yin, Keisuke Fujii,
• Abstract要約: AthletePose3Dは、高速で高速な運動運動をキャプチャするために設計された、新しいデータセットである。 本研究では,SOTA (State-of-the-art monocular 2D and 3D pose Estimation model on the dataset。
• 参考スコア（独自算出の注目度）: 4.653030985708889
• License:
• Abstract: Human pose estimation is a critical task in computer vision and sports biomechanics, with applications spanning sports science, rehabilitation, and biomechanical research. While significant progress has been made in monocular 3D pose estimation, current datasets often fail to capture the complex, high-acceleration movements typical of competitive sports. In this work, we introduce AthletePose3D, a novel dataset designed to address this gap. AthletePose3D includes 12 types of sports motions across various disciplines, with approximately 1.3 million frames and 165 thousand individual postures, specifically capturing high-speed, high-acceleration athletic movements. We evaluate state-of-the-art (SOTA) monocular 2D and 3D pose estimation models on the dataset, revealing that models trained on conventional datasets perform poorly on athletic motions. However, fine-tuning these models on AthletePose3D notably reduces the SOTA model mean per joint position error (MPJPE) from 214mm to 65mm-a reduction of over 69%. We also validate the kinematic accuracy of monocular pose estimations through waveform analysis, highlighting strong correlations in joint angle estimations but limitations in velocity estimation. Our work provides a comprehensive evaluation of monocular pose estimation models in the context of sports, contributing valuable insights for advancing monocular pose estimation techniques in high-performance sports environments. The dataset, code, and model checkpoints are available at: https://github.com/calvinyeungck/AthletePose3D
• Abstract（参考訳）: 人間のポーズ推定は、コンピュータビジョンやスポーツバイオメカニクスにおいて重要な課題であり、スポーツ科学、リハビリテーション、バイオメカニクス研究に応用されている。 単眼の3Dポーズ推定では大きな進歩があったが、現在のデータセットは、競技競技に典型的な複雑で高速な動きを捉えることができないことが多い。 本研究では,このギャップに対処するために設計された新しいデータセットであるAthletePose3Dを紹介する。 AthletePose3Dには12種類のスポーツ運動があり、約1300万フレームと165万の個人姿勢があり、特に高速で高速な運動運動を捉えている。 我々は,従来のデータセットでトレーニングされたモデルが運動運動に不適当であることを示すために,そのデータセット上での2Dと3Dのポーズ推定モデルの評価を行った。 しかし、これらのモデルをAthletePose3Dで微調整すると、関節位置誤差(MPJPE)当たりのSOTAモデルの平均値が214mmから65mmに69%以上低下する。 また,波形解析による単眼ポーズ推定のキネマティックな精度を検証し,関節角度推定では強い相関性を示すとともに,速度推定では強い相関性を示す。 本研究は,スポーツの文脈における単眼ポーズ推定モデルの総合的評価を提供し,高性能スポーツ環境における単眼ポーズ推定技術の進歩に有用な知見を提供する。 データセット、コード、モデルチェックポイントは、https://github.com/calvinyeungck/AthletePose3Dで利用可能である。

関連論文リスト

• Measuring Physical Plausibility of 3D Human Poses Using Physics Simulation [19.26289173517333]
  本研究では,任意の3次元姿勢推定モデルから予測された3次元ポーズの物理的妥当性と安定性を捉えるための2つの指標を提案する。 物理シミュレーションを用いて,既存の可視性測定値との相関と運動時の安定性の測定を行う。
  論文  参考訳（メタデータ） (2025-02-06T20:15:49Z)
• 3D Kinematics Estimation from Video with a Biomechanical Model and Synthetic Training Data [4.130944152992895]
  2つの入力ビューから3Dキネマティクスを直接出力するバイオメカニクス対応ネットワークを提案する。 実験により, 提案手法は, 合成データにのみ訓練されたものであり, 従来の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-20T17:33:40Z)
• Intelligent Knee Sleeves: A Real-time Multimodal Dataset for 3D Lower Body Motion Estimation Using Smart Textile [2.2008680042670123]
  本稿では,人間のポーズ推定のために,Intelligent Knee Sleevesの新たなペアを用いてベンチマークを収集したマルチモーダルデータセットを提案する。 本システムは,Knee Sleevesの時系列データと,可視化されたモーションキャプチャーカメラシステムからの対応する地上真実ラベルからなる同期データセットを利用する。 我々はこれらを用いて、異なる活動を行う個人のウェアラブルデータのみに基づく3次元人体モデルを生成する。
  論文  参考訳（メタデータ） (2023-10-02T00:34:21Z)
• Monocular 3D Human Pose Estimation for Sports Broadcasts using Partial Sports Field Registration [0.0]
  スポーツ場の一部登録による2次元ポーズ推定とカメラキャリブレーションの進歩を組み合わせることで,有効な大規模運動データ収集の道筋を示す。 異なる視点、実行スタイル、ボディタイプを備えた、Unreal Engine 5で10k以上の画像の合成データセットを生成します。
  論文  参考訳（メタデータ） (2023-04-10T07:41:44Z)
• SportsPose -- A Dynamic 3D sports pose dataset [0.0]
  SportsPoseは、非常にダイナミックなスポーツ運動からなる大規模な3D人間のポーズデータセットである。 SportsPoseは、スポーツ運動の複雑でダイナミックな性質を反映した多種多様な3Dポーズを提供する。
  論文  参考訳（メタデータ） (2023-04-04T15:15:25Z)
• MetaPose: Fast 3D Pose from Multiple Views without 3D Supervision [72.5863451123577]
  正確な3Dポーズとカメラ推定が可能なニューラルモデルをトレーニングする方法を示す。 本手法は,古典的バンドル調整と弱教師付き単分子3Dベースラインの両方に優れる。
  論文  参考訳（メタデータ） (2021-08-10T18:39:56Z)
• Contact and Human Dynamics from Monocular Video [73.47466545178396]
  既存のディープモデルは、ほぼ正確に見えるエラーを含むビデオから2Dと3Dキネマティックのポーズを予測する。 本稿では,最初の2次元と3次元のポーズ推定を入力として,映像系列から3次元の人間の動きを推定する物理に基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-07-22T21:09:11Z)
• Kinematic 3D Object Detection in Monocular Video [123.7119180923524]
  運動運動を注意深く利用して3次元位置決めの精度を向上させるモノクロ映像を用いた3次元物体検出法を提案する。 我々は、KITTI自動運転データセット内のモノクロ3次元物体検出とバードアイビュータスクの最先端性能を達成する。
  論文  参考訳（メタデータ） (2020-07-19T01:15:12Z)
• 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)
• Towards Generalization of 3D Human Pose Estimation In The Wild [73.19542580408971]
  3DBodyTex.Poseは、3Dの人間のポーズ推定のタスクに対処するデータセットである。 3DBodyTex.Poseは、さまざまな衣服やポーズで405種類の実際の被写体を含む高品質でリッチなデータを提供する。
  論文  参考訳（メタデータ） (2020-04-21T13:31:58Z)
• Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis [72.34794624243281]
  ラベルのないビデオフレームからバリエーションを分離する自己教師付き学習フレームワークを提案する。 3Dポーズと空間部分マップの表現ギャップを埋める、微分可能な形式化により、多様なカメラの動きを持つビデオで操作できる。
  論文  参考訳（メタデータ） (2020-04-09T07:55:01Z)

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。