論文の概要: MobilePoser: Real-Time Full-Body Pose Estimation and 3D Human Translation from IMUs in Mobile Consumer Devices

• arxiv url: http://arxiv.org/abs/2504.12492v1
• Date: Wed, 16 Apr 2025 21:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:35:48.539392
• Title: MobilePoser: Real-Time Full-Body Pose Estimation and 3D Human Translation from IMUs in Mobile Consumer Devices
• Title（参考訳）: MobilePoser: モバイル端末におけるIMUからのリアルタイムフルBody Pose推定と3次元人文翻訳
• Authors: Vasco Xu, Chenfeng Gao, Henry Hoffmann, Karan Ahuja,
• Abstract要約: フルボディポーズとグローバル翻訳推定のためのリアルタイムシステムであるMobilePoserを紹介する。 MobilePoserは物理ベースのモーション推定を採用し、続いて深層ニューラルネットワークを用いてポーズ推定を行い、軽量のまま最先端の精度を達成している。 健康や健康、ゲーム、屋内ナビゲーションなど、さまざまな分野におけるMobilePoserのユニークな可能性を説明する一連のアプリケーションで締めくくります。
• 参考スコア（独自算出の注目度）: 9.50274333425178
• License:
• Abstract: There has been a continued trend towards minimizing instrumentation for full-body motion capture, going from specialized rooms and equipment, to arrays of worn sensors and recently sparse inertial pose capture methods. However, as these techniques migrate towards lower-fidelity IMUs on ubiquitous commodity devices, like phones, watches, and earbuds, challenges arise including compromised online performance, temporal consistency, and loss of global translation due to sensor noise and drift. Addressing these challenges, we introduce MobilePoser, a real-time system for full-body pose and global translation estimation using any available subset of IMUs already present in these consumer devices. MobilePoser employs a multi-stage deep neural network for kinematic pose estimation followed by a physics-based motion optimizer, achieving state-of-the-art accuracy while remaining lightweight. We conclude with a series of demonstrative applications to illustrate the unique potential of MobilePoser across a variety of fields, such as health and wellness, gaming, and indoor navigation to name a few.
• Abstract（参考訳）: 専用の部屋や機器から、装着されたセンサーの配列や、近年の慣性ポーズキャプチャー手法に至るまで、フルボディのモーションキャプチャーのための機器を最小化する傾向が続いている。 しかしながら、これらの技術が携帯電話、時計、イヤホンなどのユビキタスコモディティデバイス上の低忠実度IMUへと移行するにつれて、オンラインパフォーマンスの妥協、時間的一貫性、センサノイズやドリフトによるグローバル翻訳の喪失といった課題が生じる。 これらの課題に対処するため,我々は,これらのコンシューマデバイスにすでに存在するIMUの任意のサブセットを用いて,フルボディポーズとグローバル翻訳推定を行うリアルタイムシステムであるMobilePoserを紹介した。 MobilePoserは、キネマティックポーズ推定に多段階のディープニューラルネットワークを使用し、それに続いて物理ベースのモーションオプティマイザを使用して、軽量ながら最先端の精度を実現している。 我々は、健康や健康、ゲーム、屋内ナビゲーションなど、さまざまな分野におけるMobilePoserのユニークな可能性を説明するための実証的なアプリケーションで締めくくります。

関連論文リスト

• Suite-IN: Aggregating Motion Features from Apple Suite for Robust Inertial Navigation [10.634236058278722]
  異なる身体部位のセンサーが捉えた動きデータには、局所的な動き情報とグローバルな動き情報の両方が含まれている。 慣性ナビゲーションのためのApple Suiteからの動作データを集約するマルチデバイスディープラーニングフレームワーク Suite-INを提案する。
  論文  参考訳（メタデータ） (2024-11-12T14:23:52Z)
• LiveHPS: LiDAR-based Scene-level Human Pose and Shape Estimation in Free Environment [59.320414108383055]
  シーンレベルの人間のポーズと形状推定のための単一LiDARに基づく新しいアプローチであるLiveHPSを提案する。 多様な人間のポーズを伴う様々なシナリオで収集される巨大な人間の動きデータセットFreeMotionを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:08:44Z)
• SparsePoser: Real-time Full-body Motion Reconstruction from Sparse Data [1.494051815405093]
  SparsePoserは、スパースデータから全身のポーズを再構築するための、新しいディープラーニングベースのソリューションである。 このシステムには、高品質な連続した人間のポーズを合成する畳み込み型オートエンコーダが組み込まれている。 本手法は,IMUセンサや6-DoFトラッキングデバイスを用いた最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-03T18:48:01Z)
• Utilizing Task-Generic Motion Prior to Recover Full-Body Motion from Very Sparse Signals [3.8079353598215757]
  本稿では,再建したユーザの動作の精度を向上させるために,神経動作からの情報を利用する手法を提案する。 これは、ポーズ復元の最終的な目標は一連のポーズである動きを再構築することである、という前提に基づいている。
  論文  参考訳（メタデータ） (2023-08-30T08:21:52Z)
• IMUPoser: Full-Body Pose Estimation using IMUs in Phones, Watches, and Earbuds [41.8359507387665]
  我々は、多くのユーザーが所有しているデバイスで既にIMUを用いて身体のポーズを推定できる可能性を探る。 私たちのパイプラインは、利用可能なIMUデータのサブセットを受け取ります。
  論文  参考訳（メタデータ） (2023-04-25T02:13:24Z)
• HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for Autonomous Driving [95.42203932627102]
  3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。 提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。 具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
  論文  参考訳（メタデータ） (2022-12-15T11:15:14Z)
• 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)
• QuestSim: Human Motion Tracking from Sparse Sensors with Simulated Avatars [80.05743236282564]
  人間の身体の動きのリアルタイム追跡は、AR/VRにおける没入感のある体験に不可欠である。 本稿では,HMDと2つのコントローラから疎信号を取り出す強化学習フレームワークを提案する。 一つのポリシーは、多様な移動スタイル、異なる体の大きさ、新しい環境に対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2022-09-20T00:25:54Z)
• Transformer Inertial Poser: Attention-based Real-time Human Motion Reconstruction from Sparse IMUs [79.72586714047199]
  本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。 提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
  論文  参考訳（メタデータ） (2022-03-29T16:24:52Z)
• Human POSEitioning System (HPS): 3D Human Pose Estimation and Self-localization in Large Scenes from Body-Mounted Sensors [71.29186299435423]
  HPS(Human POSEitioning System)は、周囲の環境の3Dスキャンで登録された人間の完全な3Dポーズを回復する手法です。 最適化に基づく統合は2つの利点を生かし、結果としてドリフトのないポーズの精度が得られることを示す。 hpsは、人間が外部カメラに直接視線を向けなくてもシーンと対話できるvr/arアプリケーションとして使用できる。
  論文  参考訳（メタデータ） (2021-03-31T17:58:31Z)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)

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。