論文の概要: Group Inertial Poser: Multi-Person Pose and Global Translation from Sparse Inertial Sensors and Ultra-Wideband Ranging

• arxiv url: http://arxiv.org/abs/2510.21654v1
• Date: Fri, 24 Oct 2025 17:11:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 09:00:15.552186
• Title: Group Inertial Poser: Multi-Person Pose and Global Translation from Sparse Inertial Sensors and Ultra-Wideband Ranging
• Title（参考訳）: Group Inertial Poser: スパース慣性センサと超広帯域ラウンジからのマルチパーソンポースとグローバルトランスフォーメーション
• Authors: Ying Xue, Jiaxi Jiang, Rayan Armani, Dominik Hollidt, Yi-Chi Liao, Christian Holz,
• Abstract要約: Group Inertial Poserは、身体のポーズを強く推定し、複数の個人に対してグローバルな翻訳を行うための新しいアプローチである。 Group Inertial Poserは、超広帯域距離(UWB)からの2組のセンサー間の絶対距離を推定する 2人追跡のための最初のIMU+UWBデータセットであるGIP-DBを導入する。
• 参考スコア（独自算出の注目度）: 28.86800972797388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking human full-body motion using sparse wearable inertial measurement units (IMUs) overcomes the limitations of occlusion and instrumentation of the environment inherent in vision-based approaches. However, purely IMU-based tracking compromises translation estimates and accurate relative positioning between individuals, as inertial cues are inherently self-referential and provide no direct spatial reference for others. In this paper, we present a novel approach for robustly estimating body poses and global translation for multiple individuals by leveraging the distances between sparse wearable sensors - both on each individual and across multiple individuals. Our method Group Inertial Poser estimates these absolute distances between pairs of sensors from ultra-wideband ranging (UWB) and fuses them with inertial observations as input into structured state-space models to integrate temporal motion patterns for precise 3D pose estimation. Our novel two-step optimization further leverages the estimated distances for accurately tracking people's global trajectories through the world. We also introduce GIP-DB, the first IMU+UWB dataset for two-person tracking, which comprises 200 minutes of motion recordings from 14 participants. In our evaluation, Group Inertial Poser outperforms previous state-of-the-art methods in accuracy and robustness across synthetic and real-world data, showing the promise of IMU+UWB-based multi-human motion capture in the wild. Code, models, dataset: https://github.com/eth-siplab/GroupInertialPoser
• Abstract（参考訳）: スパースウェアラブル慣性測定ユニット(IMU)を用いた人間の全身運動の追跡は、視覚に基づくアプローチに固有の環境の閉塞と計測の限界を克服する。 しかし、純粋にIMUに基づく追跡は、慣性的手がかりが本質的に自己参照であり、他者に直接空間参照を与えないため、個人間の翻訳推定と正確な相対的位置付けを損なう。 本稿では,身近なウェアラブルセンサ間の距離を利用して,身体のポーズとグローバルな翻訳を頑健に推定する新しい手法を提案する。 提案手法は,UWB(Ultra-wideband range)からセンサ間の絶対距離を推定し,実測値と融合して状態空間モデルに入力し,時間運動パターンを統合して正確な3次元ポーズ推定を行う。 我々の新しい2段階最適化は、推定距離を利用して、世界中の人々のグローバルな軌跡を正確に追跡する。 また,14人の参加者から200分間の動作記録を含む2人追跡のための最初のIMU+UWBデータセットであるGIP-DBも紹介した。 本評価では,IMU+UWBをベースとしたマルチヒューマンモーションキャプチャーの実現が期待されている。 コード、モデル、データセット:https://github.com/eth-siplab/GroupInertialPoser

関連論文リスト

• BaroPoser: Real-time Human Motion Tracking from IMUs and Barometers in Everyday Devices [12.374794959250828]
  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。
  論文  参考訳（メタデータ） (2025-08-05T10:46:59Z)
• Progressive Inertial Poser: Progressive Real-Time Kinematic Chain Estimation for 3D Full-Body Pose from Three IMU Sensors [25.67875816218477]
  スパース追跡信号からのフルボディポーズ推定は、環境条件や記録範囲によって制限されない。 従来の作業では、骨盤と下肢にセンサーを追加することや、キージョイントのグローバルな位置を得るために外部視覚センサーに頼ることが困難だった。 仮想現実技術の実用性を向上させるため,頭部と手首に装着した3つの慣性計測ユニット(IMU)センサから得られた慣性データのみを用いて,全身のポーズを推定した。
  論文  参考訳（メタデータ） (2025-05-08T15:28:09Z)
• HA-VLN 2.0: An Open Benchmark and Leaderboard for Human-Aware Navigation in Discrete and Continuous Environments with Dynamic Multi-Human Interactions [64.69468932145234]
  HA-VLN 2.0は、明示的な社会的認識制約を導入した統一ベンチマークである。 その結果、明示的な社会的モデリングはナビゲーションの堅牢性を向上し、衝突を減らすことが示唆された。
  論文  参考訳（メタデータ） (2025-03-18T13:05:55Z)
• 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)
• LiDAR-aid Inertial Poser: Large-scale Human Motion Capture by Sparse Inertial and LiDAR Sensors [38.60837840737258]
  本研究では,大規模なシナリオにおいて,高精度な局所的なポーズとグローバルな軌跡を持つ3次元人間の動きを捉えるためのマルチセンサ融合法を提案する。 我々は,2段階のポーズ推定器を粗大な方法で設計し,そこでは点雲が粗大な体形状を提供し,IMU測定は局所的な動作を最適化する。 我々は,LiDAR-IMUマルチモーダルモキャップデータセット(LIPD)を長期シナリオで収集する。
  論文  参考訳（メタデータ） (2022-05-30T20:15:11Z)
• 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)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)

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。