論文の概要: Shoe Style-Invariant and Ground-Aware Learning for Dense Foot Contact Estimation

• arxiv url: http://arxiv.org/abs/2511.22184v1
• Date: Thu, 27 Nov 2025 07:50:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.446315
• Title: Shoe Style-Invariant and Ground-Aware Learning for Dense Foot Contact Estimation
• Title（参考訳）: 足底接触推定のためのシュースタイル不変とグラウンドアウェアラーニング
• Authors: Daniel Sungho Jung, Kyoung Mu Lee,
• Abstract要約: ゼロ速度制約を用いた足の接触を近似し, 関節レベル接触に着目した既存手法 この相互作用を正確にモデル化するには,足の接触度の推定が重要である。 本稿では,靴スタイルの不変性や地面認識学習と密接な足の接触を学習するFEet Contact推定フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 55.03114420454759
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Foot contact plays a critical role in human interaction with the world, and thus exploring foot contact can advance our understanding of human movement and physical interaction. Despite its importance, existing methods often approximate foot contact using a zero-velocity constraint and focus on joint-level contact, failing to capture the detailed interaction between the foot and the world. Dense estimation of foot contact is crucial for accurately modeling this interaction, yet predicting dense foot contact from a single RGB image remains largely underexplored. There are two main challenges for learning dense foot contact estimation. First, shoes exhibit highly diverse appearances, making it difficult for models to generalize across different styles. Second, ground often has a monotonous appearance, making it difficult to extract informative features. To tackle these issues, we present a FEet COntact estimation (FECO) framework that learns dense foot contact with shoe style-invariant and ground-aware learning. To overcome the challenge of shoe appearance diversity, our approach incorporates shoe style adversarial training that enforces shoe style-invariant features for contact estimation. To effectively utilize ground information, we introduce a ground feature extractor that captures ground properties based on spatial context. As a result, our proposed method achieves robust foot contact estimation regardless of shoe appearance and effectively leverages ground information. Code will be released.
• Abstract（参考訳）: 足の接触は、世界との人間の相互作用において重要な役割を担っているため、足の接触を探究することで、人間の動きや物理的相互作用に対する理解を深めることができる。 その重要性にもかかわらず、既存の手法では、足と世界の間の詳細な相互作用を捉えるのに失敗し、ゼロ速度の制約を使って足の接触を近似し、関節レベルの接触に焦点を当てることが多い。 この相互作用を正確にモデル化するためには、足の接触の密度推定が不可欠であるが、単一のRGB画像から足の接触の密度を予測することは、ほとんど探索されていない。 足の密接度推定の学習には2つの課題がある。 第一に、靴には非常に多様な外観があり、様々なスタイルでモデルを一般化することは困難である。 第二に、地面は単調な外観がしばしばあり、情報的特徴の抽出が困難である。 これらの課題に対処するために,靴スタイルの不変性や地面認識学習と密接な足の接触を学習するFECO(FEet Contact Estimation)フレームワークを提案する。 靴の外観の多様性の課題を克服するために, 靴の接触推定に靴スタイル不変の特徴を強制する靴スタイル逆行訓練を取り入れた。 地中情報を有効に活用するために,空間的文脈に基づいて地中特性をキャプチャする地中特徴抽出器を提案する。 その結果,靴の外観によらず頑健な足の接触推定を実現し,地盤情報の有効活用が可能となった。 コードはリリースされる。

関連論文リスト

• Contact-Aware Amodal Completion for Human-Object Interaction via Multi-Regional Inpainting [4.568580817155409]
  コンピュータビジョンとロボット工学における人間と物体の相互作用を理解するためには、アモーダル・コンプリートが不可欠である。 我々は,物理知識と,HOI用に設計された特殊多領域塗装技術を用いた新しいアプローチを開発した。 実験の結果,本手法はHOIシナリオにおける既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-08-01T08:33:45Z)
• Reconstructing Close Human Interaction with Appearance and Proxemics Reasoning [50.76723760768117]
  既存の人間のポーズ推定手法では、既存の映像からもっともらしい密接な相互作用を回復できない。 人間の外見は、これらの障害に対処するための簡単な手がかりとなる。 本研究では,人間の外見,社会的プロキシ,物理法則に制約された身体接触により,正確な対話動作を再構築するための2分岐最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-03T12:19:26Z)
• Learning Dense Hand Contact Estimation from Imbalanced Data [55.03114420454759]
  密接な接触推定の学習には2つの大きな課題がある。 不均衡なデータから高密度HAnd Contact推定を学習するフレームワークを提案する。 その結果,大規模手接触データを用いて手接触推定を効果的に行うことができた。
  論文  参考訳（メタデータ） (2025-05-16T11:54:25Z)
• Closely Interactive Human Reconstruction with Proxemics and Physics-Guided Adaption [64.07607726562841]
  既存の人間再建アプローチは主に、正確なポーズの回復や侵入を避けることに焦点を当てている。 本研究では,モノクロ映像から密に対話的な人間を再構築する作業に取り組む。 本稿では,視覚情報の欠如を補うために,確率的行動や物理からの知識を活用することを提案する。
  論文  参考訳（メタデータ） (2024-04-17T11:55:45Z)
• DECO: Dense Estimation of 3D Human-Scene Contact In The Wild [54.44345845842109]
  SMPL体上の接触を推定するために、身体部分駆動とシーンコンテキスト駆動の両方の注意を用いた新しい3D接触検出器を訓練する。 すべてのベンチマークで既存のSOTAメソッドよりも大幅に優れています。 また、DECが自然画像における多様で挑戦的な現実世界の人間のインタラクションによく当てはまることを定性的に示す。
  論文  参考訳（メタデータ） (2023-09-26T21:21:07Z)

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。