論文の概要: ClimbingCap: Multi-Modal Dataset and Method for Rock Climbing in World Coordinate
- arxiv url: http://arxiv.org/abs/2503.21268v1
- Date: Thu, 27 Mar 2025 08:49:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:52:37.581343
- Title: ClimbingCap: Multi-Modal Dataset and Method for Rock Climbing in World Coordinate
- Title（参考訳）: クライミングキャップ:ワールドコーディネートにおけるマルチモードデータセットとロッククライミング方法
- Authors: Ming Yan, Xincheng Lin, Yuhua Luo, Shuqi Fan, Yudi Dai, Qixin Zhong, Lincai Zhong, Yuexin Ma, Lan Xu, Chenglu Wen, Siqi Shen, Cheng Wang,
- Abstract要約: HMR (Human Motion Recovery) は、主にランニングなどの地上運動に焦点を当てた研究である。
登山運動データセットの不十分性に対処するため、大規模に注釈付きかつ挑戦的な登山運動データセットであるAscendMotionを収集する。
我々は,グローバル座標系における連続的な3次元人間のクライミング動作を再構成する動き回復手法であるClimbingCapを提案する。
- 参考スコア（独自算出の注目度）: 41.90481583757255
- License:
- Abstract: Human Motion Recovery (HMR) research mainly focuses on ground-based motions such as running. The study on capturing climbing motion, an off-ground motion, is sparse. This is partly due to the limited availability of climbing motion datasets, especially large-scale and challenging 3D labeled datasets. To address the insufficiency of climbing motion datasets, we collect AscendMotion, a large-scale well-annotated, and challenging climbing motion dataset. It consists of 412k RGB, LiDAR frames, and IMU measurements, including the challenging climbing motions of 22 skilled climbing coaches across 12 different rock walls. Capturing the climbing motions is challenging as it requires precise recovery of not only the complex pose but also the global position of climbers. Although multiple global HMR methods have been proposed, they cannot faithfully capture climbing motions. To address the limitations of HMR methods for climbing, we propose ClimbingCap, a motion recovery method that reconstructs continuous 3D human climbing motion in a global coordinate system. One key insight is to use the RGB and LiDAR modalities to separately reconstruct motions in camera coordinates and global coordinates and to optimize them jointly. We demonstrate the quality of the AscendMotion dataset and present promising results from ClimbingCap. The AscendMotion dataset and source code release publicly at \href{this link}{http://www.lidarhumanmotion.net/climbingcap/}
- Abstract（参考訳）: HMR (Human Motion Recovery) は、主にランニングなどの地上運動に焦点を当てた研究である。
オフグラウンド運動である登山運動の捉え方の研究は、まばらである。
これは、特に大規模で挑戦的な3Dラベル付きデータセットにおいて、クライミングモーションデータセットの可用性が制限されていることによるものだ。
登山運動データセットの不十分性に対処するため、大規模に注釈付きかつ挑戦的な登山運動データセットであるAscendMotionを収集する。
412kのRGB、LiDARフレーム、IMU測定で構成されており、12の岩壁を横断する22人の熟練したクライミングコーチの挑戦的な登山運動を含む。
複雑なポーズだけでなく、登山者のグローバルな位置を正確に再現する必要があるため、登山運動の捕獲は困難である。
複数の大域的HMR法が提案されているが、登山運動を忠実に捉えることはできない。
登山におけるHMR手法の限界に対処するため,グローバル座標系における連続的な3次元クライミング動作を再構成する動き回復法であるClimbingCapを提案する。
重要な洞察の1つは、RGBとLiDARのモダリティを使用して、カメラ座標とグローバル座標の運動を別々に再構成し、それらを共同で最適化することである。
AscendMotionデータセットの品質を示し、ClimbingCapの有望な結果を示す。
AscendMotionのデータセットとソースコードの公開は、 \href{this link}{http://www.lidar Humanmotion.net/climbingcap/} で行われている。
関連論文リスト
- World-Grounded Human Motion Recovery via Gravity-View Coordinates [60.618543026949226]
本研究では,新しい重力-視座標系における人間のポーズ推定手法を提案する。
提案したGVシステムは、ビデオフレーム毎に自然に重力に整合し、一意に定義されている。
提案手法は,カメラ空間と地上設定の両方でよりリアルな動きを再現し,精度と速度の両方で最先端の手法より優れる。
論文 参考訳（メタデータ） (2024-09-10T17:25:47Z) - WANDR: Intention-guided Human Motion Generation [67.07028110459787]
我々は,アバターの初期ポーズとゴールの3D位置を取り,ゴール位置にエンドエフェクタ(抵抗)を配置する自然な人間の動きを生成するデータ駆動モデルであるWADRを紹介する。
インテンションはエージェントをゴールに誘導し、サブゴールやモーションパス全体を定義することなく、新しい状況にインタラクティブに世代を適応させる。
提案手法を広範に評価し,3次元目標に到達した自然および長期の動作と,見当たらない目標位置を生成できることを実証する。
論文 参考訳（メタデータ） (2024-04-23T10:20:17Z) - CIMI4D: A Large Multimodal Climbing Motion Dataset under Human-scene
Interactions [41.593477269767924]
我々は、13の異なるクライミングウォールを登る12人から、大きな岩のtextbfCltextbfImbing textbfMottextbfIonデータセットであるCIMI4Dを収集した。
データセットは、およそ180,000フレームのポーズ慣性測定、LiDARポイントクラウド、RGBビデオ、高精度な静的ポイントクラウドシーン、再構築されたシーンメッシュで構成されている。
論文 参考訳（メタデータ） (2023-03-31T10:26:47Z) - Decoupling Human and Camera Motion from Videos in the Wild [67.39432972193929]
本研究では,野生の映像から地球規模の人間の軌道を再構築する手法を提案する。
カメラと人間の動きを分離することで、人間を同じ世界座標系に配置することができる。
論文 参考訳（メタデータ） (2023-02-24T18:59:15Z) - NeMo: 3D Neural Motion Fields from Multiple Video Instances of the Same
Action [24.67958500694608]
ニューラルモーション(NeMo)フィールドを導入し、同じアクションの一連のビデオに対して基礎となる3Dモーションを表現する。
NeMoはPenn Actionデータセットの動画を使って、スポーツの3Dモーションを復元することができる。
論文 参考訳（メタデータ） (2022-12-28T01:40:32Z) - HSC4D: Human-centered 4D Scene Capture in Large-scale Indoor-outdoor
Space Using Wearable IMUs and LiDAR [51.9200422793806]
ボディマウントのIMUとLiDARのみを使用することで、HSC4Dは外部機器の制約なしに空間自由となり、マップ無しで事前に構築された地図を作成できる。
人間と環境の関係も研究され、対話をより現実的なものにしている。
論文 参考訳（メタデータ） (2022-03-17T10:05:55Z) - augKlimb: Interactive Data-Led Augmentation of Bouldering Training [0.0]
クライミングは人気のあるスポーツであり、特に屋内では、登山者が人工ホールドを使って人工ルートで訓練することができる。
近年,登山にコンピュータ・インタラクションを加える様々な側面が研究されている。
レクリエーションの中間登山者を支援するための軽量ツールの研究のための広大なスペースがある。
論文 参考訳（メタデータ） (2020-01-22T10:26:59Z)
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。