論文の概要: KHMP: Frequency-Domain Kalman Refinement for High-Fidelity Human Motion Prediction
- arxiv url: http://arxiv.org/abs/2603.21327v1
- Date: Sun, 22 Mar 2026 17:10:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.357821
- Title: KHMP: Frequency-Domain Kalman Refinement for High-Fidelity Human Motion Prediction
- Title（参考訳）: KHMP:高密度人体動作予測のための周波数領域カルマン微細化
- Authors: Wenhan Wu, Zhishuai Guo, Chen Chen, Srijan Das, Hongfei Xue, Pu Wang, Aidong Lu,
- Abstract要約: 我々は,適応カルマンフィルタをDCT領域に適用し,高忠実度な人間の動作予測を生成する新しいフレームワークKHMPを紹介する。
我々は,KHMPが最先端の精度を達成し,ジッタアーティファクトを効果的に緩和し,スムーズかつ物理的に可視な運動を発生させることを示す。
- 参考スコア（独自算出の注目度）: 30.827921105686244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stochastic human motion prediction aims to generate diverse, plausible futures from observed sequences. Despite advances in generative modeling, existing methods often produce predictions corrupted by high-frequency jitter and temporal discontinuities. To address these challenges, we introduce KHMP, a novel framework featuring an adaptiveKalman filter applied in the DCT domain to generate high-fidelity human motion predictions. By treating high-frequency DCT coefficients as a frequency-indexed noisy signal, the Kalman filter recursively suppresses noise while preserving motion details. Notably, its noise parameters are dynamically adjusted based on estimated Signal-to-Noise Ratio (SNR), enabling aggressive denoising for jittery predictions and conservative filtering for clean motions. This refinement is complemented by training-time physical constraints (temporal smoothness and joint angle limits) that encode biomechanical principles into the generative model. Together, these innovations establish a new paradigm integrating adaptive signal processing with physics-informed learning. Experiments on the Human3.6M and HumanEva-I datasets demonstrate that KHMP achieves state-of-the-art accuracy, effectively mitigating jitter artifacts to produce smooth and physically plausible motions.
- Abstract（参考訳）: 確率的人間の動き予測は、観測されたシーケンスから多種多様な、もっともらしい未来を生成することを目的としている。
生成モデリングの進歩にもかかわらず、既存の手法は、しばしば高周波ジッタと時間的不連続によって腐敗した予測を生成する。
これらの課題に対処するため,我々は適応カルマンフィルタをDCT領域に適用した新しいフレームワークKHMPを紹介した。
高周波DCT係数を周波数インデクシングノイズ信号として扱うことにより、カルマンフィルタは動きの詳細を保存しながら雑音を再帰的に抑制する。
特に、そのノイズパラメータは推定信号対雑音比(SNR)に基づいて動的に調整され、ジッタリー予測のアグレッシブな復調とクリーンモーションの保守的なフィルタリングが可能となる。
この改良は、生体力学の原理を生成モデルにエンコードする訓練時間物理的制約(時間的滑らかさと関節角度制限)によって補完される。
これらの革新は、適応的な信号処理と物理インフォームドラーニングを統合した新しいパラダイムを確立する。
Human3.6MとHumanEva-Iデータセットの実験は、KHMPが最先端の精度を達成し、ジッタアーティファクトを効果的に緩和し、滑らかで物理的に可視な運動を生成することを示した。
関連論文リスト
- Real-Time Learning of Predictive Dynamic Obstacle Models for Robotic Motion Planning [7.819710421921815]
我々は,他のエージェントの動きの非線形予測モデルをリアルタイムで学習するオンラインフレームワークを開発した。
Cadzowプロジェクションは構造化された低ランクの一貫性を強制し、デノーズされた軌道と局所的なノイズ分散の推定を導出する。
ガウス型および重尾型雑音下でのシミュレーションにおけるアプローチの有効性を検証し, 動的クレーン試験台で実験的に検証した。
論文 参考訳（メタデータ） (2025-11-02T05:54:30Z) - Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。
NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
論文 参考訳（メタデータ） (2025-10-14T13:31:34Z) - A Noise Resilient Approach for Robust Hurst Exponent Estimation [0.0]
鍵となる性質は自己相似性であり、ハースト(H)によって定量化される
ウェーブレットに基づく手法は、マルチスケール解析能力によりHの推定に有効であるが、実世界の測定における付加雑音は、しばしば精度を低下させる。
本稿では、雑音緩和を取り入れ、信号エネルギー対から複数レベルの推定値を生成するノイズ制御型ALPHEEを提案する。
論文 参考訳（メタデータ） (2025-10-06T13:54:23Z) - PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。
本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。
これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。
Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
論文 参考訳（メタデータ） (2025-09-29T14:36:45Z) - RAPID Quantum Detection and Demodulation of Covert Communications: Breaking the Noise Limit with Solid-State Spin Sensors [5.246986428523558]
固体スピンセンサを用いた秘密電磁信号の検出と復調のための包括的枠組みを提案する。
我々のアプローチはRAPIDと呼ばれ、2段階のハイブリッド戦略であり、窒素空調センターを利用して古典的な騒音床の下を走行する。
この研究は、電子戦争や秘密監視のようなセキュリティクリティカルなアプリケーションに量子センサーを配置するための理論的に厳格で実用的な経路を確立する。
論文 参考訳（メタデータ） (2025-09-09T22:12:28Z) - Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。
われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。
本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
論文 参考訳（メタデータ） (2025-07-15T17:57:48Z) - Denoising and Reconstruction of Nonlinear Dynamics using Truncated Reservoir Computing [0.0]
本稿では,ノイズフィルタリングと非線形力学の再構成のための新しいReservoir Computing(RC)法を提案する。
動的パラメータにおける雑音強度, 雑音周波数, および劇的なシフトの観点から, RCの性能について検討した。
このフレームワークは低信号対雑音比と高周波範囲で競合精度を得る。
論文 参考訳（メタデータ） (2025-04-17T21:47:13Z) - KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - A Noise-robust Multi-head Attention Mechanism for Formation Resistivity Prediction: Frequency Aware LSTM [7.466740264582114]
生成比抵抗の予測は, 石油・ガス貯留層の評価において重要な役割を担っている。
従来の坑井検層技術では、ボアホールの正確な比抵抗を測定することができない。
周波数認識LSTMを構築するために,周波数認識フレームワークと時間的アンチノイズブロックを提案する。
論文 参考訳（メタデータ） (2024-06-06T08:31:52Z) - Stabilizing Machine Learning Prediction of Dynamics: Noise and
Noise-inspired Regularization [58.720142291102135]
近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。
緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。
トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
論文 参考訳（メタデータ） (2022-11-09T23:40:52Z)
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。