論文の概要: MonoMSK: Monocular 3D Musculoskeletal Dynamics Estimation

• arxiv url: http://arxiv.org/abs/2511.19326v1
• Date: Mon, 24 Nov 2025 17:20:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.337885
• Title: MonoMSK: Monocular 3D Musculoskeletal Dynamics Estimation
• Title（参考訳）: MonoMSK: 単眼の3次元骨格動態推定
• Authors: Farnoosh Koleini, Hongfei Xue, Ahmed Helmy, Pu Wang,
• Abstract要約: データ駆動学習と物理に基づくシミュレーションを橋渡しするハイブリッドフレームワークであるMonoMSKを紹介する。 MonoMSKは解剖学的に正確な筋骨格モデルにより運動学(運動)と運動学(力とトルク)の両方を共同で回復させる。 BML-MoVi、BEDLAM、OpenCapの実験では、MonoMSKはキネマティックな精度で最先端の手法を著しく上回っている。
• 参考スコア（独自算出の注目度）: 9.3102957142944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing biomechanically realistic 3D human motion - recovering both kinematics (motion) and kinetics (forces) - is a critical challenge. While marker-based systems are lab-bound and slow, popular monocular methods use oversimplified, anatomically inaccurate models (e.g., SMPL) and ignore physics, fundamentally limiting their biomechanical fidelity. In this work, we introduce MonoMSK, a hybrid framework that bridges data-driven learning and physics-based simulation for biomechanically realistic 3D human motion estimation from monocular video. MonoMSK jointly recovers both kinematics (motions) and kinetics (forces and torques) through an anatomically accurate musculoskeletal model. By integrating transformer-based inverse dynamics with differentiable forward kinematics and dynamics layers governed by ODE-based simulation, MonoMSK establishes a physics-regulated inverse-forward loop that enforces biomechanical causality and physical plausibility. A novel forward-inverse consistency loss further aligns motion reconstruction with the underlying kinetic reasoning. Experiments on BML-MoVi, BEDLAM, and OpenCap show that MonoMSK significantly outperforms state-of-the-art methods in kinematic accuracy, while for the first time enabling precise monocular kinetics estimation.
• Abstract（参考訳）: 運動学(運動学)と運動学(運動学)の両方を回復させるという、生体力学的に現実的な3D動作の再構築は、重要な課題である。 マーカーベースのシステムはラボバウンドで遅いが、一般的な単分子法は過剰に単純化され、解剖学的に不正確なモデル(例えばSMPL)を使用し、物理学を無視し、その生体力学的忠実さを根本的に制限する。 本研究では,モノクロビデオから生体力学的にリアルな3次元動作推定を行うための,データ駆動学習と物理に基づくシミュレーションを橋渡しするハイブリッドフレームワークであるMonoMSKを紹介する。 MonoMSKは解剖学的に正確な筋骨格モデルにより運動学(運動)と運動学(力とトルク)の両方を共同で回復させる。 変圧器をベースとした逆ダイナミクスと異なる前方運動学とODEをベースとしたシミュレーションによって支配されるダイナミックス層を統合することにより、MonoMSKは物理制御された逆フォワードループを確立し、バイオメカニカル因果性と物理的妥当性を強制する。 新たな前方逆整合性損失は、運動再構成と基礎となる運動論的推論とを更に整合させる。 BML-MoVi, BEDLAM, OpenCapの実験により, MonoMSK はキネマティックな精度で最先端の手法よりも優れており, 初めて正確な単分子動力学推定が可能となった。

関連論文リスト

• Half-Physics: Enabling Kinematic 3D Human Model with Physical Interactions [89.88331682333198]
  SMPL-Xを周囲との動的物理的相互作用が可能な有形実体に埋め込む新しい手法を提案する。 本手法は,シーンやオブジェクトとの物理的に妥当な相互作用を確保しつつ,固有のSMPL-Xポーズの運動制御を維持する。 広範かつ複雑な訓練を必要とする強化学習法とは異なり、ハーフフィック法は学習自由であり、あらゆる身体形状や運動に一般化する。
  論文  参考訳（メタデータ） (2025-07-31T17:58:33Z)
• Biomechanics-Guided Residual Approach to Generalizable Human Motion Generation and Estimation [21.750804738752105]
  3つの中心となるイノベーションを持つバイオメカニック・アウェア・フレームワークであるBioVAEを提案する。 複数のベンチマークにおいて,BioVAEが最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-03-08T10:22:36Z)
• 3D Kinematics Estimation from Video with a Biomechanical Model and Synthetic Training Data [4.130944152992895]
  2つの入力ビューから3Dキネマティクスを直接出力するバイオメカニクス対応ネットワークを提案する。 実験により, 提案手法は, 合成データにのみ訓練されたものであり, 従来の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-20T17:33:40Z)
• Skeleton2Humanoid: Animating Simulated Characters for Physically-plausible Motion In-betweening [59.88594294676711]
  現代の深層学習に基づく運動合成アプローチは、合成された運動の物理的妥当性をほとんど考慮していない。 テスト時に物理指向の動作補正を行うシステムSkeleton2Humanoid'を提案する。 挑戦的なLaFAN1データセットの実験は、物理的妥当性と精度の両方の観点から、我々のシステムが先行手法を著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2022-10-09T16:15:34Z)
• D&D: Learning Human Dynamics from Dynamic Camera [55.60512353465175]
  本稿では、物理の法則を活かしたD&D(Learning Human Dynamics from Dynamic Camera)を紹介する。 私たちのアプローチは完全にニューラルネットワークで、物理エンジンのオフライン最適化やシミュレーションなしで動作します。
  論文  参考訳（メタデータ） (2022-09-19T06:51:02Z)
• PhysCap: Physically Plausible Monocular 3D Motion Capture in Real Time [89.68248627276955]
  シングルカラーカメラからのマーカレス3Dモーションキャプチャは、大きな進歩を遂げた。 しかし、これは非常に困難な問題であり、深刻な問題である。 我々はPhysCapについて紹介する。PhysCapは物理的に可塑性でリアルタイムでマーカーのない人間の3Dモーションキャプチャのための最初のアルゴリズムである。
  論文  参考訳（メタデータ） (2020-08-20T10:46:32Z)
• Contact and Human Dynamics from Monocular Video [73.47466545178396]
  既存のディープモデルは、ほぼ正確に見えるエラーを含むビデオから2Dと3Dキネマティックのポーズを予測する。 本稿では,最初の2次元と3次元のポーズ推定を入力として,映像系列から3次元の人間の動きを推定する物理に基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-07-22T21:09:11Z)

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。