論文の概要: Deep Learning for Skeleton Based Human Motion Rehabilitation Assessment: A Benchmark

• arxiv url: http://arxiv.org/abs/2507.21018v1
• Date: Mon, 28 Jul 2025 17:39:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:58.231366
• Title: Deep Learning for Skeleton Based Human Motion Rehabilitation Assessment: A Benchmark
• Title（参考訳）: 骨格に基づく人間の運動リハビリテーション評価のための深層学習 : ベンチマーク
• Authors: Ali Ismail-Fawaz, Maxime Devanne, Stefano Berretti, Jonathan Weber, Germain Forestier,
• Abstract要約: 近年のディープラーニングとビデオベースの骨格抽出の進歩により、アクセシブルでスケーラブルなモーションアセスメントの新たな可能性が高まっている。 この分野には標準化されたベンチマーク、一貫した評価プロトコル、再現可能な方法論が欠けている。 本稿では, 自動リハビリテーションアセスメントにおける今後の研究基盤の確立と, 信頼性, アクセシビリティ, パーソナライズされたリハビリテーションソリューションの開発を促進することを目的とする。
• 参考スコア（独自算出の注目度）: 6.708543240320757
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated assessment of human motion plays a vital role in rehabilitation, enabling objective evaluation of patient performance and progress. Unlike general human activity recognition, rehabilitation motion assessment focuses on analyzing the quality of movement within the same action class, requiring the detection of subtle deviations from ideal motion. Recent advances in deep learning and video-based skeleton extraction have opened new possibilities for accessible, scalable motion assessment using affordable devices such as smartphones or webcams. However, the field lacks standardized benchmarks, consistent evaluation protocols, and reproducible methodologies, limiting progress and comparability across studies. In this work, we address these gaps by (i) aggregating existing rehabilitation datasets into a unified archive called Rehab-Pile, (ii) proposing a general benchmarking framework for evaluating deep learning methods in this domain, and (iii) conducting extensive benchmarking of multiple architectures across classification and regression tasks. All datasets and implementations are released to the community to support transparency and reproducibility. This paper aims to establish a solid foundation for future research in automated rehabilitation assessment and foster the development of reliable, accessible, and personalized rehabilitation solutions. The datasets, source-code and results of this article are all publicly available.
• Abstract（参考訳）: ヒトの運動の自動評価はリハビリテーションにおいて重要な役割を担い、患者のパフォーマンスと進行の客観的評価を可能にする。 一般の人間の行動認識とは異なり、リハビリテーション動作評価は、同じアクションクラス内の運動の質を分析し、理想的な動きから微妙な偏差を検出することに焦点を当てている。 近年のディープラーニングとビデオベースの骨格抽出の進歩により、スマートフォンやウェブカメラなどの安価なデバイスを使って、アクセスしやすくスケーラブルなモーションアセスメントが可能になった。 しかし、この分野には標準化されたベンチマーク、一貫した評価プロトコル、再現可能な方法論が欠けており、研究の進歩と互換性が制限されている。 この研究では、これらのギャップに対処する。 一 既存の再生データセットをRehab-Pileという統一アーカイブに集約すること。 二 この領域における深層学習手法を評価するための一般的なベンチマークフレームワークの提案及び 3) 分類および回帰タスクにまたがる複数のアーキテクチャの広範なベンチマークを行う。 すべてのデータセットと実装がコミュニティにリリースされ、透明性と再現性をサポートする。 本稿では, 自動リハビリテーションアセスメントにおける今後の研究基盤の確立と, 信頼性, アクセシビリティ, パーソナライズされたリハビリテーションソリューションの開発を促進することを目的とする。 この記事のデータセット、ソースコード、結果はすべて公開されています。

関連論文リスト

• Monocle: Hybrid Local-Global In-Context Evaluation for Long-Text Generation with Uncertainty-Based Active Learning [63.531262595858]
  分数的・対数的アプローチは、総合的な評価タスクを局所的なスコアリングタスクに分割し、続いて最終的なグローバルアセスメントを行う。 局所的およびグローバルな評価の両面での性能を高めるために,人間のアノテーションを活用するハイブリッド・イン・コンテキスト・ラーニング・アプローチを導入する。 最後に,人間のアノテーションに対するデータサンプルを効率的に選択する不確実性に基づく能動学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2025-05-26T16:39:41Z)
• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)は、ノイズ、ぼかし、圧縮、悪天候などの様々な要因によって劣化した入力から高品質な画像を復元することを目的としている。 従来のIR手法は、一般的に特定の種類の劣化に焦点を当てており、複雑な歪みを伴う現実世界のシナリオにおけるそれらの効果を制限している。 オールインワンのイメージ復元パラダイムが最近登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供している。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• Evaluation Framework for Feedback Generation Methods in Skeletal Movement Assessment [0.65268245109828]
  本稿では,フィードバック生成ソリューションの分類,評価,比較のための用語と基準を提案する。 我々の知る限り、骨格運動評価においてフィードバック生成を定式化した最初の作品である。
  論文  参考訳（メタデータ） (2024-04-14T21:14:47Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• A Review of Computational Approaches for Evaluation of Rehabilitation Exercises [58.720142291102135]
  本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。 エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
  論文  参考訳（メタデータ） (2020-02-29T22:18:56Z)

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。