論文の概要: Dual-Path Region-Guided Attention Network for Ground Reaction Force and Moment Regression
- arxiv url: http://arxiv.org/abs/2512.05030v1
- Date: Thu, 04 Dec 2025 17:47:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-05 21:11:46.304541
- Title: Dual-Path Region-Guided Attention Network for Ground Reaction Force and Moment Regression
- Title（参考訳）: 地盤反応力とモーメント回帰のためのデュアルパス領域誘導型注意ネットワーク
- Authors: Xuan Li, Samuel Bello,
- Abstract要約: 我々は、インソールベースGRF/GRM推定に焦点を当て、パブリックウォーキングデータセットに対するアプローチをさらに検証する。
本稿では,解剖学に触発された空間的先行と時間的先行を領域レベルの注意機構に統合したデュアルパス領域ガイド型注意ネットワークを提案する。
- 参考スコア（独自算出の注目度）: 5.635225408624707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate estimation of three-dimensional ground reaction forces and moments (GRFs/GRMs) is crucial for both biomechanics research and clinical rehabilitation evaluation. In this study, we focus on insole-based GRF/GRM estimation and further validate our approach on a public walking dataset. We propose a Dual-Path Region-Guided Attention Network that integrates anatomy-inspired spatial priors and temporal priors into a region-level attention mechanism, while a complementary path captures context from the full sensor field. The two paths are trained jointly and their outputs are combined to produce the final GRF/GRM predictions. Conclusions: Our model outperforms strong baseline models, including CNN and CNN-LSTM architectures on two datasets, achieving the lowest six-component average NRMSE of 5.78% on the insole dataset and 1.42% for the vertical ground reaction force on the public dataset. This demonstrates robust performance for ground reaction force and moment estimation.
- Abstract（参考訳）: 生体力学研究と臨床リハビリテーション評価の両面において, 3次元地盤反応力とモーメント(GRFs/GRMs)の正確な評価が重要である。
本研究では,インソールベースGRF/GRM推定に焦点をあて,パブリックウォーキングデータセットへのアプローチをさらに検証する。
本稿では,解剖学に触発された空間前兆と時間前兆を領域レベルの注意機構に統合するデュアルパス領域誘導注意ネットワークを提案する。
2つの経路は共同で訓練され、最終的なGRF/GRM予測を生成するために出力が組み合わされる。
結論: 我々のモデルは2つのデータセット上でCNNとCNN-LSTMアーキテクチャを含む強力なベースラインモデルより優れており、インソールデータセットでは5.78%、公共データセットでは1.42%の6成分平均NAMSEを実現している。
これは、地盤反応力とモーメント推定の頑健な性能を示す。
関連論文リスト
- GEO-Bench-2: From Performance to Capability, Rethinking Evaluation in Geospatial AI [52.13138825802668]
GeoFMは地球観測を変革しているが、評価には標準化されたプロトコルが欠けている。
GEO-Bench-2は、分類、セグメンテーション、回帰、オブジェクト検出、インスタンスセグメンテーションにまたがる包括的なフレームワークでこの問題に対処する。
GEO-Bench-2のコード、データ、およびリーダーボードは、パーミッシブライセンスの下で公開されている。
論文 参考訳（メタデータ） (2025-11-19T17:45:02Z) - Transformers vs. Recurrent Models for Estimating Forest Gross Primary Production [32.81344785160551]
リモートセンシングは、単一センサーのスペクトル指標と統計モデルに代わるものを提供する。
深層学習(DL)とデータ融合の最近の進歩は、植生プロセスの時間的ダイナミクスをより良く表現する新たな機会を提供する。
本稿では,Grossプライマリ生産予測のための2つの代表的なモデルの性能について検討する。
論文 参考訳（メタデータ） (2025-11-14T21:18:01Z) - Performance and Generalizability Impacts of Incorporating Location Encoders into Deep Learning for Dynamic PM2.5 Estimation [0.39762912548964846]
動的・空間的不均一な応用のための深層学習における位置情報の効果について検討する。
日表面PM2.5を衛星観測と地上観測により推定した。
以上の結果から,空間一般化の支援により,原座標は領域内の性能を向上させることができるが,領域間の一般化性は低下することが示された。
論文 参考訳（メタデータ） (2025-05-24T02:00:34Z) - Field-scale soil moisture estimated from Sentinel-1 SAR data using a knowledge-guided deep learning approach [6.595840767689357]
本研究は,知識誘導型深層学習手法の開発に向けた予備的な取り組みを示す。
ウォータークラウドモデル(WCM)の原則を長期記憶モデル(LSTM)に統合する。
提案手法は,全後方散乱から分離された土壌後方散乱係数とランドサット分解能植生情報と表面特性に基づいて構築される。
その結果, 植生被覆や表面条件の異なる地域では, SM検索を0.02 m$3$/m$3$に減らし, 相関係数(R)を最大0.64以上とした。
論文 参考訳（メタデータ） (2025-05-01T03:12:25Z) - Degree-Conscious Spiking Graph for Cross-Domain Adaptation [51.58506501415558]
Spiking Graph Networks (SGNs) はグラフ分類において大きな可能性を証明している。
DeSGraDA(Degree-Consicious Spiking Graph for Cross-Domain Adaptation)という新しいフレームワークを紹介する。
DeSGraDAは3つのキーコンポーネントを持つドメイン間の一般化を強化する。
論文 参考訳（メタデータ） (2024-10-09T13:45:54Z) - Dumpling GNN: Hybrid GNN Enables Better ADC Payload Activity Prediction Based on Chemical Structure [53.76752789814785]
DumplingGNNは、化学構造に基づいてADCペイロードのアクティビティを予測するために特別に設計された、ハイブリッドなグラフニューラルネットワークアーキテクチャである。
DNAトポイソメラーゼIインヒビターに着目した包括的ADCペイロードデータセットで評価を行った。
特別なADCペイロードデータセットに対して、例外的な精度(91.48%)、感度95.08%)、特異性(97.54%)を示す。
論文 参考訳（メタデータ） (2024-09-23T17:11:04Z) - Joint inversion of Time-Lapse Surface Gravity and Seismic Data for
Monitoring of 3D CO$_2$ Plumes via Deep Learning [0.5439020425819]
地表面重力と地震データを組み合わせた3次元深層学習による地下密度・速度モデルの構築手法を提案する。
提案手法の目的は,CO2の隔離配置を監視するための補完ツールとして,地下CO2プラムの予測である。
論文 参考訳（メタデータ） (2023-09-24T15:41:40Z) - TractGeoNet: A geometric deep learning framework for pointwise analysis
of tract microstructure to predict language assessment performance [66.43360974979386]
拡散磁気共鳴画像(dMRI)による回帰処理を行うための幾何学的深層学習フレームワークであるTractGeoNetを提案する。
回帰性能を向上させるために,新しい損失関数 Paired-Siamese Regression Los を提案する。
本手法の有効性を,2つの言語神経心理学的評価に対して予測することで評価した。
論文 参考訳（メタデータ） (2023-07-08T14:10:37Z) - GEO-Bench: Toward Foundation Models for Earth Monitoring [139.77907168809085]
6つの分類と6つのセグメンテーションタスクからなるベンチマークを提案する。
このベンチマークは、さまざまな地球観測タスクの進行の原動力となる。
論文 参考訳（メタデータ） (2023-06-06T16:16:05Z)
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。