論文の概要: Spinal Line Detection for Posture Evaluation through Train-ing-free 3D Human Body Reconstruction with 2D Depth Images

• arxiv url: http://arxiv.org/abs/2512.12718v1
• Date: Sun, 14 Dec 2025 14:43:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.401366
• Title: Spinal Line Detection for Posture Evaluation through Train-ing-free 3D Human Body Reconstruction with 2D Depth Images
• Title（参考訳）: 2次元深度画像を用いた無列車3次元人体再構成による姿勢評価のための脊髄線検出
• Authors: Sehyun Kim, Hye Jun Lee, Jiwoo Lee, Changgyun Kim, Taemin Lee,
• Abstract要約: 人体の3次元形状を復元し、脊椎中心線を推定することが重要である。 既存のmul-ti-imageベースの身体修復法では、高価な機器と複雑な手続きが必要である。 本研究では,マルチイメージ方式の欠点を補う手法を提案し,シングル画像方式の限界を解消する手法を提案する。
• 参考スコア（独自算出の注目度）: 1.655840696749311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The spinal angle is an important indicator of body balance. It is important to restore the 3D shape of the human body and estimate the spine center line. Existing mul-ti-image-based body restoration methods require expensive equipment and complex pro-cedures, and single image-based body restoration methods have limitations in that it is difficult to accurately estimate the internal structure such as the spine center line due to occlusion and viewpoint limitation. This study proposes a method to compensate for the shortcomings of the multi-image-based method and to solve the limitations of the sin-gle-image method. We propose a 3D body posture analysis system that integrates depth images from four directions to restore a 3D human model and automatically estimate the spine center line. Through hierarchical matching of global and fine registration, restora-tion to noise and occlusion is performed. Also, the Adaptive Vertex Reduction is applied to maintain the resolution and shape reliability of the mesh, and the accuracy and stabil-ity of spinal angle estimation are simultaneously secured by using the Level of Detail en-semble. The proposed method achieves high-precision 3D spine registration estimation without relying on training data or complex neural network models, and the verification confirms the improvement of matching quality.
• Abstract（参考訳）: 脊髄角は身体バランスの重要な指標である。 人体の3次元形状を復元し、脊椎中心線を推定することが重要である。 既存の多像体復元法では、高価な機器や複雑な手続きを必要とするが、単一の画像ベースの身体復元法では、咬合や視点制限による脊椎中心線などの内部構造を正確に推定することは困難である。 本研究では,マルチイメージ方式の欠点を補う手法を提案し,シングル画像方式の限界を解消する。 本研究では,4方向からの深度画像を統合した3次元姿勢解析システムを提案する。 大域的および微妙な登録の階層的マッチングにより、ノイズと閉塞に対する再構成を行う。 また、メッシュの解像度と形状の信頼性を維持するために適応頂点低減法を適用し、詳細エンサンブルのレベルを用いて、脊椎角推定の精度と安定性を同時に確保する。 提案手法は,トレーニングデータや複雑なニューラルネットワークモデルに頼らずに高精度な3Dスピーン登録推定を実現し,マッチング品質の向上を確認する。

関連論文リスト

• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• Submillimeter-Accurate 3D Lumbar Spine Reconstruction from Biplanar X-Ray Images: Incorporating a Multi-Task Network and Landmark-Weighted Loss [5.514961917579977]
  本研究では,両平面X線画像からの高精度3次元再構成のための,新しい完全自動フレームワークを提案する。 この手法のコアとなるのは、腰椎の分解とランドマーク検出を同時に行う新しいマルチタスク深層学習ネットワークである。 サブミリ秒の精度で新しいベンチマークを設定し、完全な再構築と測定のワークフローを20秒以内で完了する。
  論文  参考訳（メタデータ） (2025-03-18T15:00:39Z)
• W-HMR: Monocular Human Mesh Recovery in World Space with Weak-Supervised Calibration [57.37135310143126]
  モノクロ画像からの3次元運動回復のための従来の手法は、カメラ座標に依存するため、しばしば不足する。 W-HMRは、身体の歪み情報に基づいて「適切な」焦点長を予測する弱教師付き校正法である。 また,世界空間における可視的再構築のために,身体の向きを補正する OrientCorrect モジュールを提案する。
  論文  参考訳（メタデータ） (2023-11-29T09:02:07Z)
• Stable Optimization for Large Vision Model Based Deep Image Prior in Cone-Beam CT Reconstruction [6.558735319783205]
  LVM(Large Vision Model)は、最近医療画像のタスクにおいて大きな可能性を実証した。 Deep Image Prior(DIP)は、トレーニングされていないニューラルネットワークを効果的にガイドし、トレーニングデータなしで高品質のCBCT画像を生成する。 スパースビューCBCTのためのフォワードモデルフリーDIPモデルの安定最適化法を提案する。
  論文  参考訳（メタデータ） (2022-03-23T15:16:29Z)
• PONet: Robust 3D Human Pose Estimation via Learning Orientations Only [116.1502793612437]
  本稿では,学習向きのみを用いて3次元ポーズを頑健に推定できる新しいPose Orientation Net(PONet)を提案する。 PONetは、局所的な画像証拠を利用して、これらの手足の3D方向を推定し、3Dポーズを復元する。 我々は,Human3.6M,MPII,MPI-INF-3DHP,3DPWを含む複数のデータセットについて評価を行った。
  論文  参考訳（メタデータ） (2021-12-21T12:48:48Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• 3D Reconstruction and Alignment by Consumer RGB-D Sensors and Fiducial Planar Markers for Patient Positioning in Radiation Therapy [1.7744342894757368]
  本稿では,安価な消費者レベルのRGB-Dセンサを用いた迅速かつ安価な患者位置決め法を提案する。 提案手法は,手持ちのRGB-Dセンサから記録された実時間,人工的,自然な視覚的ランドマークを融合する3次元再構成手法に依存する。
  論文  参考訳（メタデータ） (2021-03-22T20:20:59Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Neural Descent for Visual 3D Human Pose and Shape [67.01050349629053]
  入力RGB画像から3次元のポーズと形状を復元するディープニューラルネットワーク手法を提案する。 我々は最近導入された表現力のあるボディ統計モデルGHUMに頼っている。 我々の方法論の中心は、HUmanNeural Descent (HUND)と呼ばれるアプローチの学習と最適化である。
  論文  参考訳（メタデータ） (2020-08-16T13:38:41Z)

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。