論文の概要: P2P-Insole: Human Pose Estimation Using Foot Pressure Distribution and Motion Sensors
- arxiv url: http://arxiv.org/abs/2505.00755v1
- Date: Thu, 01 May 2025 09:28:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-05 17:21:19.776286
- Title: P2P-Insole: Human Pose Estimation Using Foot Pressure Distribution and Motion Sensors
- Title（参考訳）: P2P-Insole:足圧分布とモーションセンサを用いた人間の姿勢推定
- Authors: Atsuya Watanabe, Ratna Aisuwarya, Lei Jing,
- Abstract要約: P2P-Insoleは、IMUと統合されたインソール型センサーを用いて3次元人間の骨格データを推定および視覚化するための低コストなアプローチである。
このアプローチでは、足圧分布、加速度、回転データを使用して制限を克服し、軽量で最小限の侵入性があり、プライバシーに配慮したソリューションを提供します。
- 参考スコア（独自算出の注目度）: 0.28089969618578
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work presents P2P-Insole, a low-cost approach for estimating and visualizing 3D human skeletal data using insole-type sensors integrated with IMUs. Each insole, fabricated with e-textile garment techniques, costs under USD 1, making it significantly cheaper than commercial alternatives and ideal for large-scale production. Our approach uses foot pressure distribution, acceleration, and rotation data to overcome limitations, providing a lightweight, minimally intrusive, and privacy-aware solution. The system employs a Transformer model for efficient temporal feature extraction, enriched by first and second derivatives in the input stream. Including multimodal information, such as accelerometers and rotational measurements, improves the accuracy of complex motion pattern recognition. These facts are demonstrated experimentally, while error metrics show the robustness of the approach in various posture estimation tasks. This work could be the foundation for a low-cost, practical application in rehabilitation, injury prevention, and health monitoring while enabling further development through sensor optimization and expanded datasets.
- Abstract（参考訳）: この研究は、IMUと統合されたインソール型センサーを用いて3次元人間の骨格データを推定・視覚化するための低コストなアプローチであるP2P-Insoleを提示する。
それぞれのインソールはe-textile clothes(e-textile clothes)技術で製造され、USD 1のコストがかかるため、商業的な代替品よりも大幅に安くなり、大規模生産に最適である。
このアプローチでは、足圧分布、加速度、回転データを使用して制限を克服し、軽量で最小限の侵入性があり、プライバシーに配慮したソリューションを提供します。
このシステムは、入力ストリームにおける第1および第2微分によって強化された効率的な時間的特徴抽出にトランスフォーマーモデルを用いる。
加速度計や回転測定などのマルチモーダル情報を含むと、複雑な動きパターン認識の精度が向上する。
これらの事実は実験的に実証され、誤差メトリクスは様々な姿勢推定タスクにおけるアプローチの堅牢性を示している。
この研究は、低コストで実用的なリハビリテーション、怪我予防、健康モニタリングの基盤となり、センサ最適化と拡張データセットによるさらなる開発を可能にする。
関連論文リスト
- Towards Practical Human Motion Prediction with LiDAR Point Clouds [15.715130864327792]
我々は,最初のシングルLiDARに基づく3次元人体動作予測手法であるtextitLiDAR-HMPを提案する。
LiDAR-HMPは、入力として生のLiDARポイントクラウドを受け取り、将来の3D人間のポーズを直接予測する。
提案手法は,2つの公開ベンチマーク上での最先端性能を実現し,実世界の展開において顕著な堅牢性と有効性を示す。
論文 参考訳（メタデータ） (2024-08-15T15:10:01Z) - A Predictive Model Based on Transformer with Statistical Feature Embedding in Manufacturing Sensor Dataset [2.07180164747172]
本研究では,統計的特徴埋め込みとウィンドウ位置符号化を利用したトランスフォーマーに基づく新しい予測モデルを提案する。
モデルの性能は, 断層検出と仮想気象学の2つの問題で評価され, ベースラインモデルよりも優れた結果を示した。
結果は、様々な製造業におけるモデルの適用性を支持し、プロセス管理と収量を高める可能性を示している。
論文 参考訳（メタデータ） (2024-07-09T08:59:27Z) - 4D Contrastive Superflows are Dense 3D Representation Learners [62.433137130087445]
我々は,LiDARとカメラのペアを連続的に利用して事前学習の目的を確立するための,新しいフレームワークであるSuperFlowを紹介する。
学習効率をさらに向上するため,カメラビューから抽出した知識の整合性を高めるプラグイン・アンド・プレイ・ビュー・一貫性モジュールを組み込んだ。
論文 参考訳（メタデータ） (2024-07-08T17:59:54Z) - Dynamic Inertial Poser (DynaIP): Part-Based Motion Dynamics Learning for
Enhanced Human Pose Estimation with Sparse Inertial Sensors [17.3834029178939]
本稿では,スパース慣性センサを用いた人間のポーズ推定手法を提案する。
さまざまなスケルトンフォーマットからの多様な実慣性モーションキャプチャデータを活用して、動作の多様性とモデル一般化を改善する。
このアプローチは、5つのパブリックデータセットにわたる最先端モデルよりも優れたパフォーマンスを示し、特にDIP-IMUデータセットのポーズエラーを19%削減する。
論文 参考訳（メタデータ） (2023-12-02T13:17:10Z) - 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) - Embedding Temporal Convolutional Networks for Energy-Efficient PPG-Based
Heart Rate Monitoring [17.155316991045765]
Photoplethysmography (volution) センサーは非侵襲的で快適な心拍数モニタリングを可能にする。
モーションアーティファクト(MA)はモニタリングの精度に大きく影響を与え、皮膚とセンサーのインターフェースに高いばらつきをもたらす。
PPGに基づく人事推定のための計算軽量で頑健な深層学習手法を提案する。
PPGDaliaのMean Absolute Error(MAE)の3.84 Beats per Minute(BPM)という2つのベンチマークデータセットに対するアプローチを検証する。
論文 参考訳（メタデータ） (2022-03-01T17:04:28Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - 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) - Gaze-Sensing LEDs for Head Mounted Displays [73.88424800314634]
仮想現実(VR)アプリケーションのための低消費電力の視線トラッカーを作成するために,LEDのセンサ機能を利用する。
我々は,視線推定法が複雑な次元削減技術を必要としないことを示した。
論文 参考訳（メタデータ） (2020-03-18T23:03:06Z)
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。