論文の概要: BaroPoser: Real-time Human Motion Tracking from IMUs and Barometers in Everyday Devices

• arxiv url: http://arxiv.org/abs/2508.03313v1
• Date: Tue, 05 Aug 2025 10:46:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.918571
• Title: BaroPoser: Real-time Human Motion Tracking from IMUs and Barometers in Everyday Devices
• Title（参考訳）: BaroPoser: 日常のデバイスにおけるIMUとバロメーターからのリアルタイムの人間のモーショントラッキング
• Authors: Libo Zhang, Xinyu Yi, Feng Xu,
• Abstract要約: スマートフォンとスマートウォッチで記録された、IMUとバロメトリックデータを組み合わせて、人間のポーズとグローバルな翻訳をリアルタイムで推定する、最初の方法であるBaroPoserを提案する。 本研究では, センサの高さ変化を推定し, 人間のポーズ推定精度の向上と非平坦な地形でのグローバルな翻訳予測の両立を図った。
• 参考スコア（独自算出の注目度）: 12.374794959250828
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, tracking human motion using IMUs from everyday devices such as smartphones and smartwatches has gained increasing popularity. However, due to the sparsity of sensor measurements and the lack of datasets capturing human motion over uneven terrain, existing methods often struggle with pose estimation accuracy and are typically limited to recovering movements on flat terrain only. To this end, we present BaroPoser, the first method that combines IMU and barometric data recorded by a smartphone and a smartwatch to estimate human pose and global translation in real time. By leveraging barometric readings, we estimate sensor height changes, which provide valuable cues for both improving the accuracy of human pose estimation and predicting global translation on non-flat terrain. Furthermore, we propose a local thigh coordinate frame to disentangle local and global motion input for better pose representation learning. We evaluate our method on both public benchmark datasets and real-world recordings. Quantitative and qualitative results demonstrate that our approach outperforms the state-of-the-art (SOTA) methods that use IMUs only with the same hardware configuration.
• Abstract（参考訳）: 近年,スマートフォンやスマートウォッチなどの日常的なデバイスからのIMUを用いた人間の動作追跡が普及している。 しかし、センサ測定の幅と不均一な地形上での人間の動きを捉えるデータセットの欠如により、既存の手法はポーズ推定の精度に苦しむことが多く、通常は平坦な地形での動きの回復に限られる。 この目的のために、スマートフォンとスマートウォッチによって記録されたIMUとバロメトリックデータを組み合わせた最初の方法であるBaroPoserを紹介し、人間のポーズとグローバルな翻訳をリアルタイムで推定する。 本研究では, センサの高さ変化を推定し, 人間のポーズ推定精度の向上と非平坦な地形でのグローバルな翻訳予測の両立を図った。 さらに,局所的および大域的動作入力をアンタングル化し,ポーズ表現学習を改善するための局所大腿座標フレームを提案する。 提案手法を,公開ベンチマークデータセットと実世界記録の両方で評価する。 定量的および定性的な結果から,本手法はIMUを同じハードウェア構成でのみ使用するSOTA(State-of-the-art)手法よりも優れていることが示された。

関連論文リスト

• IMUCoCo: Enabling Flexible On-Body IMU Placement for Human Pose Estimation and Activity Recognition [23.514920388531184]
  IMU over Continuous Coordinates (IMUCoCo) は,体表面に配置された多数のIMUからの信号を統一された特徴空間にマッピングする新しいフレームワークである。 評価の結果,IMUCoCoは多種多様なセンサ配置において正確なポーズ推定をサポートすることがわかった。
  論文  参考訳（メタデータ） (2025-08-03T19:09:20Z)
• MobilePoser: Real-Time Full-Body Pose Estimation and 3D Human Translation from IMUs in Mobile Consumer Devices [9.50274333425178]
  フルボディポーズとグローバル翻訳推定のためのリアルタイムシステムであるMobilePoserを紹介する。 MobilePoserは物理ベースのモーション推定を採用し、続いて深層ニューラルネットワークを用いてポーズ推定を行い、軽量のまま最先端の精度を達成している。 健康や健康、ゲーム、屋内ナビゲーションなど、さまざまな分野におけるMobilePoserのユニークな可能性を説明する一連のアプリケーションで締めくくります。
  論文  参考訳（メタデータ） (2025-04-16T21:19:47Z)
• Unified Human Localization and Trajectory Prediction with Monocular Vision [64.19384064365431]
  MonoTransmotionはトランスフォーマーベースのフレームワークで、モノクロカメラのみを使用して、ローカライゼーションと予測タスクを共同で解決する。 両タスクを統合フレームワークで共同でトレーニングすることにより,ノイズの多い入力による実環境シナリオにおいて,我々の手法がより堅牢であることを示す。
  論文  参考訳（メタデータ） (2025-03-05T14:18:39Z)
• Mobile Augmented Reality Framework with Fusional Localization and Pose Estimation [9.73202312695815]
  GPSベースのモバイルARシステムは、通常、屋内環境における不正確な位置決めのため、性能が良くない。 本稿ではまず,モバイルプラットフォーム上での最先端ARとローカライゼーションシステムについて包括的に研究する。 そこで本研究では,効果的な屋内移動型ARフレームワークを提案する。 本フレームワークでは,統合的ローカライズ法と新しいポーズ推定法を開発し,全体のマッチング率を高め,AR表示精度を向上させる。
  論文  参考訳（メタデータ） (2025-01-06T19:02:39Z)
• LiveHPS: LiDAR-based Scene-level Human Pose and Shape Estimation in Free Environment [59.320414108383055]
  シーンレベルの人間のポーズと形状推定のための単一LiDARに基づく新しいアプローチであるLiveHPSを提案する。 多様な人間のポーズを伴う様々なシナリオで収集される巨大な人間の動きデータセットFreeMotionを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:08:44Z)
• 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)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• Transformer Inertial Poser: Attention-based Real-time Human Motion Reconstruction from Sparse IMUs [79.72586714047199]
  本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。 提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
  論文  参考訳（メタデータ） (2022-03-29T16:24:52Z)
• Improving Robustness and Accuracy via Relative Information Encoding in 3D Human Pose Estimation [59.94032196768748]
  位置および時間的拡張表現を出力する相対情報符号化法を提案する。 提案手法は2つの公開データセット上で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-07-29T14:12:19Z)

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。