論文の概要: Posture-Driven Action Intent Inference for Playing style and Fatigue Assessment

• arxiv url: http://arxiv.org/abs/2507.11642v2
• Date: Tue, 29 Jul 2025 05:59:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 14:59:51.361883
• Title: Posture-Driven Action Intent Inference for Playing style and Fatigue Assessment
• Title（参考訳）: 姿勢駆動型アクションインテント推論による演奏スタイルと疲労評価
• Authors: Abhishek Jaiswal, Nisheeth Srivastava,
• Abstract要約: 行動ビデオから人間の意図を識別するための姿勢に基づくソリューションを提案する。 攻撃的および防御的ショット意図を識別するために,75%以上のF1スコアと80%以上のAUC-ROCが得られた。
• 参考スコア（独自算出の注目度）: 2.1548132286330453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Posture-based mental state inference has significant potential in diagnosing fatigue, preventing injury, and enhancing performance across various domains. Such tools must be research-validated with large datasets before being translated into practice. Unfortunately, such vision diagnosis faces serious challenges due to the sensitivity of human subject data. To address this, we identify sports settings as a viable alternative for accumulating data from human subjects experiencing diverse emotional states. We test our hypothesis in the game of cricket and present a posture-based solution to identify human intent from activity videos. Our method achieves over 75\% F1 score and over 80\% AUC-ROC in discriminating aggressive and defensive shot intent through motion analysis. These findings indicate that posture leaks out strong signals for intent inference, even with inherent noise in the data pipeline. Furthermore, we utilize existing data statistics as weak supervision to validate our findings, offering a potential solution for overcoming data labelling limitations. This research contributes to generalizable techniques for sports analytics and also opens possibilities for applying human behavior analysis across various fields.
• Abstract（参考訳）: 姿勢に基づく精神状態推定は、疲労の診断、怪我の予防、および様々な領域におけるパフォーマンス向上に有意な可能性を秘めている。 このようなツールは、実際に変換される前に、大規模なデータセットで調査検証する必要がある。 残念なことに、このような視覚診断は、人間の被写体データの感度のために深刻な課題に直面している。 これを解決するために,スポーツ設定を,多様な情緒的状態を経験する被験者のデータを蓄積するための有効な代替手段として認識する。 我々はクリケットゲームで仮説を検証し、行動ビデオから人間の意図を識別するための姿勢に基づくソリューションを提案する。 動作解析による攻撃的および防御的ショット意図の識別において,75 % F1 スコア以上,80 % AUC-ROC スコア以上を達成している。 これらの結果から、姿勢はデータパイプラインに固有のノイズがあっても、意図推論のための強いシグナルを漏れていることが示唆された。 さらに、既存のデータ統計を弱い監督力として利用し、データラベリングの限界を克服する潜在的な解決策を提供する。 本研究は,スポーツ分析の一般化技術に寄与し,様々な分野における人間の行動分析の適用可能性も開ける。

関連論文リスト

• Revealing the Self: Brainwave-Based Human Trait Identification [2.660113491122853]
  本稿では,脳波データを用いて人間の特徴をリアルタイムで識別する新しい手法を提案する。 我々の分析は、いくつかの新しい洞察を明らかにし、多様な人間の特性を特定するための画期的な統一アプローチへと繋がった。 我々は,脳波データを用いたリアルタイムな特徴識別ソリューションを開発した。
  論文  参考訳（メタデータ） (2024-12-26T03:27:34Z)
• Data Augmentation in Human-Centric Vision [54.97327269866757]
  本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。 それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。 我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
  論文  参考訳（メタデータ） (2024-03-13T16:05:18Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Language-Guided Reinforcement Learning for Hard Attention in Few-Shot Learning [7.044125601403848]
  本稿では,データセット全体ではなく,本質的なデータセグメントに注目することで,学習モデルの精度と信頼性を向上させることを提案する。 本稿では,言語指導による深層強化学習を活用して情報的データ領域を特定し活用する新しいフレームワークであるLaHAを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T18:33:17Z)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
  新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。 マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。 これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
  論文  参考訳（メタデータ） (2022-11-07T17:20:39Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。