論文の概要: Real-Time Feedback and Benchmark Dataset for Isometric Pose Evaluation

• arxiv url: http://arxiv.org/abs/2506.11774v1
• Date: Fri, 13 Jun 2025 13:33:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.811623
• Title: Real-Time Feedback and Benchmark Dataset for Isometric Pose Evaluation
• Title（参考訳）: 等尺性評価のためのリアルタイムフィードバックとベンチマークデータセット
• Authors: Abhishek Jaiswal, Armeet Singh Luthra, Purav Jangir, Bhavya Garg, Nisheeth Srivastava,
• Abstract要約: ポーズ評価のためのリアルタイムフィードバックシステムを提案する。 私たちのコントリビューションには、これまでで最大のマルチクラスの等尺運動ビデオデータセットのリリースが含まれています。 その結果、ホームワークアウトのための知的かつパーソナライズされた運動訓練システムの実現可能性が高まった。
• 参考スコア（独自算出の注目度）: 1.6358813089575626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Isometric exercises appeal to individuals seeking convenience, privacy, and minimal dependence on equipments. However, such fitness training is often overdependent on unreliable digital media content instead of expert supervision, introducing serious risks, including incorrect posture, injury, and disengagement due to lack of corrective feedback. To address these challenges, we present a real-time feedback system for assessing isometric poses. Our contributions include the release of the largest multiclass isometric exercise video dataset to date, comprising over 3,600 clips across six poses with correct and incorrect variations. To support robust evaluation, we benchmark state-of-the-art models-including graph-based networks-on this dataset and introduce a novel three-part metric that captures classification accuracy, mistake localization, and model confidence. Our results enhance the feasibility of intelligent and personalized exercise training systems for home workouts. This expert-level diagnosis, delivered directly to the users, also expands the potential applications of these systems to rehabilitation, physiotherapy, and various other fitness disciplines that involve physical motion.
• Abstract（参考訳）: アイソメトリック・エクササイズは、利便性、プライバシー、機器への最小限の依存を求める個人にアピールする。 しかし、このようなフィットネストレーニングは、専門家の監督ではなく、信頼性の低いデジタルメディアコンテンツに過度に依存しており、不適切な姿勢、怪我、矯正的フィードバックの欠如など深刻なリスクを伴っている。 これらの課題に対処するために,等尺的なポーズを評価するためのリアルタイムフィードバックシステムを提案する。 私たちのコントリビューションには、これまでで最大規模のアイソメトリック・エクササイズビデオデータセットのリリースが含まれています。 頑健な評価を支援するため、このデータセット上でグラフベースのネットワークを含む最先端モデルのベンチマークを行い、分類精度、ミスローカライゼーション、モデルの信頼性をキャプチャする新しい3部メトリクスを導入する。 本研究は,ホームワークアウトのための知的かつ個人化されたエクササイズトレーニングシステムの実現可能性を高めるものである。 この専門家レベルの診断は、ユーザーに直接提供され、これらのシステムの潜在的な応用範囲をリハビリテーション、理学療法、および身体運動を含む様々なフィットネス分野に広げる。

関連論文リスト

• PosePilot: An Edge-AI Solution for Posture Correction in Physical Exercises [0.0]
  この研究は、リアルタイムにパーソナライズされた修正フィードバックで認識する新しいシステムであるPosePilotを提示する。 エッジデバイス用に設計されたPosePilotは、自宅や屋外のさまざまなエクササイズに拡張できる。
  論文  参考訳（メタデータ） (2025-05-25T15:13:54Z)
• DeProPose: Deficiency-Proof 3D Human Pose Estimation via Adaptive Multi-View Fusion [57.83515140886807]
  欠陥認識型3Dポーズ推定の課題について紹介する。 DeProPoseは、トレーニングの複雑さを減らすために、ネットワークアーキテクチャをシンプルにするためのフレキシブルなメソッドである。 我々は,新しい3次元ポーズ推定データセットを開発した。
  論文  参考訳（メタデータ） (2025-02-23T03:22:54Z)
• A Medical Low-Back Pain Physical Rehabilitation Dataset for Human Body Movement Analysis [0.6990493129893111]
  本稿では,低背痛リハビリテーションを施行した臨床患者の医療データセットについて,4つの課題に対処し,提案する。 データセットには、3D Kinectスケルトンの位置と向き、RGBビデオ、2Dスケルトンデータ、正確性を評価するための医用アノテーション、身体部分とタイムパンのエラー分類とローカライゼーションが含まれている。
  論文  参考訳（メタデータ） (2024-06-29T19:50:06Z)
• Test-Time Adaptation for Combating Missing Modalities in Egocentric Videos [92.38662956154256]
  現実のアプリケーションは、プライバシの懸念、効率性の必要性、ハードウェアの問題により、不完全なモダリティを伴う問題に直面することが多い。 再トレーニングを必要とせずに,テスト時にこの問題に対処する新しい手法を提案する。 MiDlは、欠落したモダリティをテスト時にのみ扱う、自己管理型のオンラインソリューションとしては初めてのものだ。
  論文  参考訳（メタデータ） (2024-04-23T16:01:33Z)
• Using Learnable Physics for Real-Time Exercise Form Recommendations [2.1548132286330453]
  本稿では,エクササイズ手法の問題点を診断し,修正レコメンデーションを提供するアルゴリズムパイプラインを提案する。 我々は、ポーズ認識にMediaPipeを使用し、ピークプロミネンス検出による反復数をカウントし、学習可能な物理シミュレータを用いて動きの進化を追跡する。
  論文  参考訳（メタデータ） (2023-10-11T06:11:11Z)
• Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
  パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。 このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。 我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
  論文  参考訳（メタデータ） (2023-05-12T17:37:04Z)
• 3D Pose Based Feedback for Physical Exercises [87.35086507661227]
  ユーザが犯した誤りを識別する学習ベースのフレームワークを導入する。 私たちのフレームワークはハードコードされたルールに頼るのではなく、データからそれらを学ぶのです。 提案手法は90.9%の誤り識別精度を示し,94.2%の誤り訂正に成功した。
  論文  参考訳（メタデータ） (2022-08-05T16:15:02Z)
• Domain Knowledge-Informed Self-Supervised Representations for Workout Form Assessment [12.040334568268445]
  ラベルのないサンプルから運動特異的表現を学習することを提案する。 特に、ドメイン知識に基づく自己教師型アプローチでは、運動動作の調和運動を利用する。 自己教師型表現は,既成の2次元および3次元の配置推定器よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-28T18:40:02Z)
• Vogtareuth Rehab Depth Datasets: Benchmark for Marker-less Posture Estimation in Rehabilitation [55.41644538483948]
  本研究では,リハビリテーションを行う患者の深度画像と2次元ポーズ情報を含む2つのリハビリテーション特異的ポーズデータセットを提案する。 我々は、非リハブ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た、最先端のマーカーレス姿勢推定モデルを用いている。 私たちのデータセットは、リハビリ特有の複雑な姿勢を検出するために、ポーズモデルを訓練するのに使用できます。
  論文  参考訳（メタデータ） (2021-08-23T16:18:26Z)

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。