論文の概要: Improvement of human health lifespan with hybrid group pose estimation methods

• arxiv url: http://arxiv.org/abs/2506.03169v1
• Date: Wed, 28 May 2025 16:43:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:13.898386
• Title: Improvement of human health lifespan with hybrid group pose estimation methods
• Title（参考訳）: ハイブリッドグループポーズ推定法によるヒトの健康寿命の改善
• Authors: Arindam Chaudhuri,
• Abstract要約: 人間のポーズ推定手法は,人間の身体の動きを実生活で追跡するためにコンピュータビジョンの進歩を利用する。 ポーズ推定運動の消費者は、人間のポーズコンテンツは利用可能なビデオを補う傾向があると信じている。 ヒトの健康を改善するために,ハイブリッドアンサンブルに基づくグループポーズ推定法を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Human beings rely heavily on estimation of poses in order to access their body movements. Human pose estimation methods take advantage of computer vision advances in order to track human body movements in real life applications. This comes from videos which are recorded through available devices. These para-digms provide potential to make human movement measurement more accessible to users. The consumers of pose estimation movements believe that human poses content tend to supplement available videos. This has increased pose estimation software usage to estimate human poses. In order to address this problem, we develop hybrid-ensemble-based group pose estimation method to improve human health. This proposed hybrid-ensemble-based group pose estimation method aims to detect multi-person poses using modified group pose estimation and modified real time pose estimation. This ensemble allows fusion of performance of stated methods in real time. The input poses from images are fed into individual meth-ods. The pose transformation method helps to identify relevant features for en-semble to perform training effectively. After this, customized pre-trained hybrid ensemble is trained on public benchmarked datasets which is being evaluated through test datasets. The effectiveness and viability of proposed method is estab-lished based on comparative analysis of group pose estimation methods and ex-periments conducted on benchmarked datasets. It provides best optimized results in real-time pose estimation. It makes pose estimation method more robust to oc-clusion and improves dense regression accuracy. These results have affirmed po-tential application of this method in several real-time situations with improvement in human health life span
• Abstract（参考訳）: 人間は身体の動きにアクセスするためにポーズの推定に大きく依存する。 人間のポーズ推定手法は,人間の身体の動きを実生活で追跡するためにコンピュータビジョンの進歩を利用する。 これは、利用可能なデバイスを通じて録画されるビデオに由来する。 これらのパラダイムは、人間の動きの測定をユーザにとってよりアクセスしやすいものにする可能性がある。 ポーズ推定運動の消費者は、人間のポーズコンテンツは利用可能なビデオを補う傾向があると信じている。 これにより、人間のポーズを推定するために、ポーズ推定ソフトウェアの使用が増加した。 この問題に対処するため,ハイブリッドアンサンブルを用いたグループポーズ推定法を開発した。 本提案手法は,グループポーズの修正とリアルタイムポーズの修正によるマルチパーソンポーズの検出を目的としたハイブリッドアンサンブルに基づくグループポーズ推定手法である。 このアンサンブルは、記述されたメソッドのパフォーマンスをリアルタイムで統合することを可能にする。 画像からの入力ポーズは個々のメソオッドに入力される。 ポーズ変換法は、効果的にトレーニングを行うために、en-sembleの関連する特徴を特定するのに役立つ。 その後、カスタマイズされた事前トレーニングされたハイブリッドアンサンブルは、テストデータセットを通じて評価されている公開ベンチマークデータセットに基づいてトレーニングされる。 提案手法の有効性と有効性は, グループポーズ推定法と, ベンチマークしたデータセットで実施した指数関数の比較分析に基づいて評価される。 リアルタイムのポーズ推定において最適な最適化結果を提供する。 これにより、オクルージョンに対してより堅牢なポーズ推定法が実現され、密度回帰精度が向上する。 これらの結果は、ヒトの健康寿命が改善した複数のリアルタイム状況において、この手法の多段階的適用が確認されている。

関連論文リスト

• Rethinking pose estimation in crowds: overcoming the detection information-bottleneck and ambiguity [46.10812760258666]
  個人間の頻繁な相互作用は、ポーズ推定アルゴリズムの基本的な課題である。 ボトムアップ条件付きトップダウンポーズ推定と呼ばれる新しいパイプラインを提案する。 動物と人間のポーズ推定ベンチマークにおけるアプローチの性能と効率を実証する。
  論文  参考訳（メタデータ） (2023-06-13T16:14:40Z)
• PoseExaminer: Automated Testing of Out-of-Distribution Robustness in Human Pose and Shape Estimation [15.432266117706018]
  我々は人間のポーズのイメージの多様体を探索するために、きめ細かい方法で制御できるシミュレータを開発した。 本稿では,HPSアルゴリズムを自動診断するPoseExaminerという学習ベースのテスト手法を提案する。 我々のPoseExaminerは、現実のシナリオに関係のある現在の最先端モデルにおいて、様々な制限を発見できることを示す。
  論文  参考訳（メタデータ） (2023-03-13T17:58:54Z)
• AlphaPose: Whole-Body Regional Multi-Person Pose Estimation and Tracking in Real-Time [47.19339667836196]
  提案するAlphaPoseは,リアルタイムに動作しながら,身体全体のポーズを正確に推定・追跡できるシステムである。 我々は,COCO-全体,COCO,PoseTrack,提案したHalpe-FullBodyポーズ推定データセットにおいて,現在の最先端手法よりも高速かつ高精度であることを示す。
  論文  参考訳（メタデータ） (2022-11-07T09:15:38Z)
• Bottom-Up 2D Pose Estimation via Dual Anatomical Centers for Small-Scale Persons [75.86463396561744]
  マルチパーソン2Dポーズ推定では、ボトムアップ手法は同時にすべての人のポーズを予測する。 本手法は,バウンディングボックス精度を38.4%改善し,バウンディングボックスリコールを39.1%改善した。 ヒトのポーズAP評価では,COCOテストデフセット上で新しいSOTA(71.0 AP)を単一スケールテストで達成する。
  論文  参考訳（メタデータ） (2022-08-25T10:09:10Z)
• Learning Dynamics via Graph Neural Networks for Human Pose Estimation and Tracking [98.91894395941766]
  ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。 具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。 PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-06-07T16:36:50Z)
• SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation [81.03485688525133]
  Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。 具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。 さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
  論文  参考訳（メタデータ） (2021-04-06T13:12:51Z)
• Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
  人間のポーズ推定は、過去10年間に注目を集めてきた。 ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。 最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-12-24T18:49:06Z)

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。