論文の概要: LiDAR-based Human Activity Recognition through Laplacian Spectral Analysis

• arxiv url: http://arxiv.org/abs/2509.23255v1
• Date: Sat, 27 Sep 2025 11:16:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.128088
• Title: LiDAR-based Human Activity Recognition through Laplacian Spectral Analysis
• Title（参考訳）: ラプラシアン分光分析によるLiDARに基づく人間活動認識
• Authors: Sasan Sharifipour, Constantino Álvarez Casado, Le Nguyen, Tharindu Ekanayake, Manuel Lage Cañellas, Nhi Nguyen, Miguel Bordallo López,
• Abstract要約: 人間活動認識は、医療、製造、人間と機械の相互作用における応用をサポートする。 グラフスペクトル分析に基づくHAR法を提案する。 40人の被験者と27のアクティビティからなるMM-Fiデータセットでは、厳密な主題に依存しないプロトコルの下では、13クラスのリハビリテーションセットで94.4%、27のアクティビティで90.3%の精度に達する。
• 参考スコア（独自算出の注目度）: 9.669984249536286
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human Activity Recognition supports applications in healthcare, manufacturing, and human-machine interaction. LiDAR point clouds offer a privacy-preserving alternative to cameras and are robust to illumination. We propose a HAR method based on graph spectral analysis. Each LiDAR frame is mapped to a proximity graph (epsilon-graph) and the Laplacian spectrum is computed. Eigenvalues and statistics of eigenvectors form pose descriptors, and temporal statistics over sliding windows yield fixed vectors for classification with support vector machines and random forests. On the MM-Fi dataset with 40 subjects and 27 activities, under a strict subject-independent protocol, the method reaches 94.4% accuracy on a 13-class rehabilitation set and 90.3% on all 27 activities. It also surpasses the skeleton-based baselines reported for MM-Fi. The contribution is a compact and interpretable feature set derived directly from point cloud geometry that provides an accurate and efficient alternative to end-to-end deep learning.
• Abstract（参考訳）: 人間活動認識は、医療、製造、人間と機械の相互作用における応用をサポートする。 LiDARポイントクラウドは、カメラの代わりとしてプライバシ保護を提供し、照明に堅牢である。 グラフスペクトル分析に基づくHAR法を提案する。 各LiDARフレームは近接グラフ(エプシロングラフ)にマッピングされ、ラプラシアスペクトルが計算される。 固有ベクトルの固有値と統計は記述子を示し、スライディングウィンドウ上の時間統計は、支持ベクトルマシンとランダムフォレストとの分類のために固定ベクトルを生成する。 40人の被験者と27のアクティビティからなるMM-Fiデータセットでは、厳密な主題に依存しないプロトコルの下では、13クラスのリハビリテーションセットで94.4%、27のアクティビティで90.3%の精度に達する。 また、MM-Fiで報告されたスケルトンベースのベースラインを超えている。 このコントリビューションは、ポイントクラウド幾何学から直接派生したコンパクトで解釈可能な機能セットであり、エンドツーエンドのディープラーニングに対する正確で効率的な代替手段を提供する。

関連論文リスト

• SG-LRA: Self-Generating Automatic Scoliosis Cobb Angle Measurement with Low-Rank Approximation [38.35450156563293]
  自動コブ角測定のための自己生成パイプラインと低ランク近似表現(SG-LRA)を含むフレームワークを提案する。 具体的には, 固有-スピン分解とスピン輪郭再構成が可能なLRAに基づくパラメータ化されたスピン輪郭表現を提案する。 当社のデータエンジンでは、プライバシリークを伴わずに、Spinal-AI2024という名前の最大のスコリシスX線データセットを生成しました。
  論文  参考訳（メタデータ） (2024-11-19T16:07:58Z)
• Enhancing Person Re-Identification through Tensor Feature Fusion [0.5562294018150907]
  本稿では,テンソル特徴表現とマルチ線形部分空間学習に基づく新しい人物認識システム(PRe-ID)を提案する。 提案手法は,事前学習したCNNを高レベル特徴抽出に活用する。 クロスビュー四分法解析(TXQDA)アルゴリズムは,マルチ線形部分空間学習に使用される。
  論文  参考訳（メタデータ） (2023-12-16T15:04:07Z)
• Integral Continual Learning Along the Tangent Vector Field of Tasks [112.02761912526734]
  本稿では,特殊データセットからの情報を段階的に組み込んだ軽量連続学習手法を提案する。 ソースデータセットの0.4%まで小さく、小さな固定サイズのメモリバッファを保持しており、単純な再サンプリングによって更新される。 提案手法は,異なるデータセットに対して,様々なバッファサイズで高い性能を実現する。
  論文  参考訳（メタデータ） (2022-11-23T16:49:26Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• HighlightMe: Detecting Highlights from Human-Centric Videos [52.84233165201391]
  我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。 本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。 我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
  論文  参考訳（メタデータ） (2021-10-05T01:18:15Z)
• SemCal: Semantic LiDAR-Camera Calibration using Neural MutualInformation Estimator [7.478076599395811]
  SemCal(セムカル)は、セマンティック情報を用いたLiDARおよびカメラシステムのための自動的、ターゲットレス、外部キャリブレーションアルゴリズムである。 本研究では,各センサ計測から抽出した意味情報の相互情報(MI)を推定するために,ニューラル情報推定器を利用する。
  論文  参考訳（メタデータ） (2021-09-21T15:51:24Z)
• mmPose-NLP: A Natural Language Processing Approach to Precise Skeletal Pose Estimation using mmWave Radars [0.0]
  本稿では,ミリ波レーダデータを用いたシークエンス・ツー・シークエンス(Seq2Seq)の骨格キーポイント推定器にインスパイアされた新しい自然言語処理(NLP)を提案する。 著者の知る限りでは、これはmmWaveレーダデータだけで25個の骨格キーポイントを正確に推定する最初の方法である。 骨格的なポーズ推定は、自動運転車、交通監視、患者監視、歩行分析、防衛法医学、予防的および行動可能な意思決定の助けなど、いくつかの応用において重要である。
  論文  参考訳（メタデータ） (2021-07-21T19:45:17Z)
• Unsupervised Doppler Radar-Based Activity Recognition for e-healthcare [1.5749416770494706]
  本研究では,ドップラーストリームを用いた人間行動監視のための非監視フレームワークを提案する。 前者の場合、Convolutional Variational Autoencoder (CVAE) を使用したエンコードされた機能は、Convolutional Autoencoder (CAE) 機能と比較される。 その結果, PCA, SVD, CAEに比べ, CVAE, GLCMが20%以上の精度で優れていた。
  論文  参考訳（メタデータ） (2021-03-18T18:55:42Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)

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。