論文の概要: GlovEgo-HOI: Bridging the Synthetic-to-Real Gap for Industrial Egocentric Human-Object Interaction Detection

• arxiv url: http://arxiv.org/abs/2601.09528v1
• Date: Wed, 14 Jan 2026 14:52:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.436235
• Title: GlovEgo-HOI: Bridging the Synthetic-to-Real Gap for Industrial Egocentric Human-Object Interaction Detection
• Title（参考訳）: GlovEgo-HOI:産業中心型ヒューマンオブジェクトインタラクション検出のための合成対リアルギャップのブリッジ
• Authors: Alfio Spoto, Rosario Leonardi, Francesco Ragusa, Giovanni Maria Farinella,
• Abstract要約: 本稿では,産業用EHOIの新しいベンチマークデータセットであるGlovEgo-HOIと,Glove-HeadモジュールとKeypoint-Headモジュールを統合したモデルであるGlovEgo-Netを紹介する。 さらなる研究を促進するため、GlovEgo-HOIデータセット、拡張パイプライン、事前トレーニングされたモデルをGitHubプロジェクトでリリースしています。
• 参考スコア（独自算出の注目度）: 13.318342477312639
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Egocentric Human-Object Interaction (EHOI) analysis is crucial for industrial safety, yet the development of robust models is hindered by the scarcity of annotated domain-specific data. We address this challenge by introducing a data generation framework that combines synthetic data with a diffusion-based process to augment real-world images with realistic Personal Protective Equipment (PPE). We present GlovEgo-HOI, a new benchmark dataset for industrial EHOI, and GlovEgo-Net, a model integrating Glove-Head and Keypoint- Head modules to leverage hand pose information for enhanced interaction detection. Extensive experiments demonstrate the effectiveness of the proposed data generation framework and GlovEgo-Net. To foster further research, we release the GlovEgo-HOI dataset, augmentation pipeline, and pre-trained models at: GitHub project.
• Abstract（参考訳）: エゴセントリック・ヒューマン・オブジェクト・インタラクション(EHOI)分析は産業の安全のために重要であるが、ロバスト・モデルの開発は注釈付きドメイン固有データの不足によって妨げられている。 この課題に対処するために,合成データと拡散に基づくプロセスを組み合わせたデータ生成フレームワークを導入し,現実的なPPE(Personal Protective Equipment)による現実的な画像の増大に対処する。 本稿では,産業用EHOIの新しいベンチマークデータセットであるGlovEgo-HOIと,Glove-HeadモジュールとKeypoint-Headモジュールを統合したモデルであるGlovEgo-HoIを紹介する。 大規模な実験は、提案したデータ生成フレームワークとGlovEgo-Netの有効性を示す。 さらなる研究を促進するため、GlovEgo-HOIデータセット、拡張パイプライン、事前トレーニングされたモデルをGitHubプロジェクトでリリースしています。

関連論文リスト

• Generative Models for Synthetic Data: Transforming Data Mining in the GenAI Era [49.46005489386284]
  このチュートリアルでは、合成データ生成の基礎と最新の進歩を紹介する。 Atendeesは、生成的合成データを活用してデータマイニングの研究と実践を強化する、実用的な洞察を得る。
  論文  参考訳（メタデータ） (2025-08-27T05:04:07Z)
• Trajectory World Models for Heterogeneous Environments [67.27233466954814]
  環境を横断するセンサーやアクチュエータの不均一性は、大規模な事前訓練された世界モデルを構築する上で大きな課題となる。 我々は80の環境から100万以上のトラジェクトリからなる統一データセットUniTrajを紹介した。 また,様々なセンサやアクチュエータ情報を扱える新しいアーキテクチャであるTrajWorldを提案する。
  論文  参考訳（メタデータ） (2025-02-03T13:59:08Z)
• Dynamic Reconstruction of Hand-Object Interaction with Distributed Force-aware Contact Representation [47.940270914254285]
  ViTaM-Dは、動的手・物体の相互作用を分散触覚で再構築するための視覚触覚フレームワークである。 DF-Fieldは手動物体相互作用における運動エネルギーとポテンシャルエネルギーを利用する力覚接触表現である。 ViTaM-Dは、剛性および変形性の両方のオブジェクトの復元精度において、最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-11-14T16:29:45Z)
• The Collection of a Human Robot Collaboration Dataset for Cooperative Assembly in Glovebox Environments [2.30069810310356]
  産業4.0は、製造プロセスの近代化のための変革的ソリューションとしてAIを導入した。その後継である産業5.0は、AI駆動製造ソリューションを導くために、人間を協力者と専門家として想定している。 新しい技術は、共同組み立て中にシーン、特に手の位置を安全かつリアルタイムに識別できるアルゴリズムを必要とする。 このデータセットは、産業用人間ロボットコラボレーションシナリオにおいて、手動と手袋のセグメンテーションに向けたアプリケーションを構築する上で、困難な例を提供する。
  論文  参考訳（メタデータ） (2024-07-19T19:56:53Z)
• Reliability in Semantic Segmentation: Can We Use Synthetic Data? [69.28268603137546]
  セマンティックセグメンテーションモデルの現実的信頼性を総合的に評価するために、合成データを具体的に生成する方法を初めて示す。 この合成データは、事前訓練されたセグメンタの堅牢性を評価するために使用される。 セグメンタのキャリブレーションとOOD検出能力を向上するために,我々のアプローチをどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2023-12-14T18:56:07Z)
• Are Synthetic Data Useful for Egocentric Hand-Object Interaction Detection? [12.987587227876565]
  本研究では,エゴセントリックな手・物体間相互作用検出における合成データの有効性について検討した。 実際のラベル付きデータの10%しか利用できないため、実際のデータにのみ訓練されたベースラインと比較して、全体的なAPの改善を実現しています。
  論文  参考訳（メタデータ） (2023-12-05T11:29:00Z)
• Exploiting Multimodal Synthetic Data for Egocentric Human-Object Interaction Detection in an Industrial Scenario [14.188006024550257]
  EgoISM-HOIは,手や物体のアノテーションが豊富な産業環境下で合成されたEHOI画像からなる,新しいマルチモーダルデータセットである。 本研究は,提案手法を事前学習するために合成データを活用することにより,実世界のデータでテストした場合の性能が著しく向上することを示す。 この分野での研究を支援するため、私たちはデータセット、ソースコード、事前トレーニングされたモデルをhttps://iplab.dmi.unict.it/egoism-hoi.comで公開しています。
  論文  参考訳（メタデータ） (2023-06-21T09:56:55Z)
• TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
  時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。 本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
  論文  参考訳（メタデータ） (2023-05-19T10:11:21Z)

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。