論文の概要: mmJoints: Expanding Joint Representations Beyond (x,y,z) in mmWave-Based 3D Pose Estimation

• arxiv url: http://arxiv.org/abs/2510.08970v1
• Date: Fri, 10 Oct 2025 03:24:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:48.094871
• Title: mmJoints: Expanding Joint Representations Beyond (x,y,z) in mmWave-Based 3D Pose Estimation
• Title（参考訳）: mmJoints:mmWaveに基づく3次元ポース推定における(x,y,z)を超える関節表現の拡張
• Authors: Zhenyu Wang, Mahathir Monjur, Shahriar Nirjon,
• Abstract要約: mmJointsは、トレーニング済みのブラックボックスmmWaveベースの3Dポーズ推定器の出力を、追加のジョイントディスクリプタで増強するフレームワークである。 我々はmmJointsが4.2%以下のエラー率で記述子を推定していることを示す。 mmJointsはまた、関節位置の精度を最大12.5%向上し、最先端の手法よりも最大16%向上する。
• 参考スコア（独自算出の注目度）: 9.158597848634301
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In mmWave-based pose estimation, sparse signals and weak reflections often cause models to infer body joints from statistical priors rather than sensor data. While prior knowledge helps in learning meaningful representations, over-reliance on it degrades performance in downstream tasks like gesture and activity recognition. In this paper, we introduce mmJoints, a framework that augments a pre-trained, black-box mmWave-based 3D pose estimator's output with additional joint descriptors. Rather than mitigating bias, mmJoints makes it explicit by estimating the likelihood of a joint being sensed and the reliability of its predicted location. These descriptors enhance interpretability and improve downstream task accuracy. Through extensive evaluations using over 115,000 signal frames across 13 pose estimation settings, we show that mmJoints estimates descriptors with an error rate below 4.2%. mmJoints also improves joint position accuracy by up to 12.5% and boosts activity recognition by up to 16% over state-of-the-art methods.
• Abstract（参考訳）: mmWaveベースのポーズ推定では、スパース信号と弱い反射により、しばしばモデルがセンサーデータではなく統計的な先行データから身体の関節を推定する。 事前の知識は意味のある表現を学ぶのに役立つが、過度な信頼性は、ジェスチャーやアクティビティ認識といった下流タスクのパフォーマンスを低下させる。 本稿では,事前学習したブラックボックスmmWaveベースの3Dポーズ推定器の出力を,関節式記述器で拡張するフレームワークmmJointsを紹介する。 mmJointsは、バイアスを緩和するのではなく、関節が知覚される可能性と予測された位置の信頼性を推定することで明確にしている。 これらの記述子は解釈可能性を高め、下流タスクの精度を向上させる。 13のポーズ推定設定における115,000以上の信号フレームを用いた広範囲な評価により、mmJointsは誤り率4.2%未満の記述子を推定することを示した。 mmJointsはまた、関節位置の精度を最大12.5%向上し、最先端の手法よりも最大16%向上する。

関連論文リスト

• A multi-head deep fusion model for recognition of cattle foraging events using sound and movement signals [0.2450783418670958]
  この研究は、音響信号と慣性信号の融合に基づくディープニューラルネットワークを導入する。 このモデルの主な利点は、それぞれから独立して特徴の自動抽出による信号の組み合わせである。
  論文  参考訳（メタデータ） (2025-05-15T11:55:16Z)
• mmEgoHand: Egocentric Hand Pose Estimation and Gesture Recognition with Head-mounted Millimeter-wave Radar and IMU [15.086294532079908]
  mmEgoHandは、手振り推定のためのヘッドマウントエゴセントリックシステムである。 ジェスチャー認識、VRインタラクション、スキルのデジタル化とアセスメント、ロボット遠隔操作などのアプリケーションをサポートする。 mmEgoHandは、動的知覚を可能にするために、mmWaveレーダーと慣性測定ユニット(IMU)を統合する。
  論文  参考訳（メタデータ） (2025-01-23T16:25:08Z)
• Enabling Uncertainty Estimation in Iterative Neural Networks [49.56171792062104]
  本研究では,アンサンブルのような手法よりもはるかに低い計算コストで最先端の見積もりを提供する不確実性推定手法を開発する。 航空画像における道路検出と2次元および3次元形状の空力特性の推定という2つの応用領域に組み込むことで,その実用的価値を実証する。
  論文  参考訳（メタデータ） (2024-03-25T13:06:31Z)
• Distance Matters For Improving Performance Estimation Under Covariate Shift [18.68533487971233]
  データセットのシフトの下では、サンプルがトレーニング分布から遠すぎると、信頼性スコアが低下する可能性がある。 実験結果から期待するトレーニング分布までの距離を考慮に入れれば,性能評価が大幅に向上することを示す。 本研究では, 自然分布と合成分布の広範にわたる13の画像分類課題に対する本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-08-14T15:49:19Z)
• UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
  我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。 本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-19T16:26:25Z)
• Rethinking pose estimation in crowds: overcoming the detection information-bottleneck and ambiguity [46.10812760258666]
  個人間の頻繁な相互作用は、ポーズ推定アルゴリズムの基本的な課題である。 ボトムアップ条件付きトップダウンポーズ推定と呼ばれる新しいパイプラインを提案する。 動物と人間のポーズ推定ベンチマークにおけるアプローチの性能と効率を実証する。
  論文  参考訳（メタデータ） (2023-06-13T16:14:40Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Quantification of Occlusion Handling Capability of a 3D Human Pose Estimation Framework [11.509692423756448]
  提案手法は,関節の欠如を入力とした2次元骨格を用いて,より正確な3次元ポーズを推定する。 本実験は, 欠損関節に対する枠組みの有効性を実証するものである。
  論文  参考訳（メタデータ） (2022-03-08T14:35:46Z)
• Orientation Keypoints for 6D Human Pose Estimation [15.347102634852613]
  骨格関節の完全な位置と回転を推定するための新しいアプローチである方向キーポイントを導入する。 モーションキャプチャーシステムは、全骨回転を推定するために一組のポイントマーカーを使用する方法に着想を得て、仮想マーカーを用いて十分な情報を生成する。 回転予測は関節角度の平均誤差を48%改善し、15個の骨回転で93%の精度を達成する。
  論文  参考訳（メタデータ） (2020-09-10T15:15:12Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。