論文の概要: OpenCap Monocular: 3D Human Kinematics and Musculoskeletal Dynamics from a Single Smartphone Video

• arxiv url: http://arxiv.org/abs/2603.24733v1
• Date: Wed, 25 Mar 2026 18:56:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:47.947843
• Title: OpenCap Monocular: 3D Human Kinematics and Musculoskeletal Dynamics from a Single Smartphone Video
• Title（参考訳）: OpenCap Monocular: 1台のスマートフォンによる3次元人体運動学と筋骨格ダイナミクス
• Authors: Selim Gilon, Emily Y. Miller, Scott D. Uhlrich,
• Abstract要約: 人の動き(キネマティックス)と筋骨格力(キネマティックス)の定量化は、モビリティ関連条件の予測、治療、監視を変革する可能性がある。 我々は,1台のスマートフォンビデオから3次元骨格運動学と運動学を推定するアルゴリズムであるOpenCap Monocularを紹介する。
• 参考スコア（独自算出の注目度）: 0.2012293145190529
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Quantifying human movement (kinematics) and musculoskeletal forces (kinetics) at scale, such as estimating quadriceps force during a sit-to-stand movement, could transform prediction, treatment, and monitoring of mobility-related conditions. However, quantifying kinematics and kinetics traditionally requires costly, time-intensive analysis in specialized laboratories, limiting clinical translation. Scalable, accurate tools for biomechanical assessment are needed. We introduce OpenCap Monocular, an algorithm that estimates 3D skeletal kinematics and kinetics from a single smartphone video. The method refines 3D human pose estimates from a monocular pose estimation model (WHAM) via optimization, computes kinematics of a biomechanically constrained skeletal model, and estimates kinetics via physics-based simulation and machine learning. We validated OpenCap Monocular against marker-based motion capture and force plate data for walking, squatting, and sit-to-stand tasks. OpenCap Monocular achieved low kinematic error (4.8° mean absolute error for rotational degrees of freedom; 3.4 cm for pelvis translations), outperforming a regression-only computer vision baseline by 48% in rotational accuracy (p = 0.036) and 69% in translational accuracy (p < 0.001). OpenCap Monocular also estimated ground reaction forces during walking with accuracy comparable to, or better than, our prior two-camera OpenCap system. We demonstrate that the algorithm estimates important kinetic outcomes with clinically meaningful accuracy in applications related to frailty and knee osteoarthritis, including estimating knee extension moment during sit-to-stand transitions and knee adduction moment during walking. OpenCap Monocular is deployed via a smartphone app, web app, and secure cloud computing (https://opencap.ai), enabling free, accessible single-smartphone biomechanical assessments.
• Abstract（参考訳）: ヒトの運動(運動学)と筋骨格力(運動学)の定量化、例えば座屈運動中の四肢四頭筋の力の推定は、予測、治療、移動関連条件のモニタリングを変革する可能性がある。 しかし、伝統的にキネマティックスと運動学を定量化するには、専門の研究室で費用がかかる時間的な分析が必要であり、臨床翻訳を制限している。 スケーラブルで正確なバイオメカニカルアセスメントツールが必要である。 我々は,1台のスマートフォンビデオから3次元骨格運動学と運動学を推定するアルゴリズムであるOpenCap Monocularを紹介する。 この方法は、最適化により単眼のポーズ推定モデル(WHAM)から3次元のポーズ推定を洗練し、生体力学的に制約された骨格モデルの運動学を計算し、物理に基づくシミュレーションと機械学習により運動学を推定する。 我々はOpenCap Monocularをマーカーベースのモーションキャプチャーおよび歩行、しゃがみ、立ち上がり作業のためのプレートデータに対して検証した。 OpenCap Monocularは低キネマティック誤差(回転度4.8°、骨盤翻訳3.4cm)を達成し、回帰のみのコンピュータビジョンベースラインを48%(p = 0.036)、翻訳精度69%(p < 0.001)で上回った。 OpenCap Monocularはまた、これまでの2カメラのOpenCapシステムと同等かそれ以上の精度で歩行中の地上反応力を推定した。 本アルゴリズムは, 膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 変形性膝関節症, 膝関節症, 変形性膝関節症 OpenCap Monocularはスマートフォンアプリ、Webアプリ、セキュアなクラウドコンピューティング(https://opencap.ai)を通じてデプロイされる。

関連論文リスト

• SAM4Dcap: Training-free Biomechanical Twin System from Monocular Video [16.202462062701038]
  SAM4Dcapは、単眼ビデオから生体力学的メトリクスを、追加のトレーニングなしで推定するためのオープンソースのフレームワークである。 パイプラインは再構成メッシュを様々な筋骨格モデルと互換性のある軌跡ファイルに変換する。 歩行とドロップジャンプタスクに関する予備的な評価は、SAM4Dcapがマルチビューシステムに匹敵する膝運動予測を達成できる可能性を示唆している。
  論文  参考訳（メタデータ） (2026-02-14T13:09:38Z)
• MonoMSK: Monocular 3D Musculoskeletal Dynamics Estimation [9.3102957142944]
  データ駆動学習と物理に基づくシミュレーションを橋渡しするハイブリッドフレームワークであるMonoMSKを紹介する。 MonoMSKは解剖学的に正確な筋骨格モデルにより運動学(運動)と運動学(力とトルク)の両方を共同で回復させる。 BML-MoVi、BEDLAM、OpenCapの実験では、MonoMSKはキネマティックな精度で最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-11-24T17:20:17Z)
• Validation of Human Pose Estimation and Human Mesh Recovery for Extracting Clinically Relevant Motion Data from Videos [79.62407455005561]
  人間のポーズ推定を用いたマーカーレスモーションキャプチャは、IMUとMoCapのキネマティクスの結果とインラインで結果を生成する。 生成するデータの品質に関してはまだ改善の余地がありますが、この妥協はエラーの部屋にあると考えています。
  論文  参考訳（メタデータ） (2025-03-18T22:18:33Z)
• Estimating Body and Hand Motion in an Ego-sensed World [62.61989004520802]
  頭部装着装置から人体の動きを推定するシステムであるEgoAlloについて述べる。 エゴセントリックなSLAMポーズとイメージのみを使用して、EgoAlloは条件付き拡散モデルからサンプリングを行い、3Dボディポーズ、高さ、手のパラメータを推定する。
  論文  参考訳（メタデータ） (2024-10-04T17:59:57Z)
• Comparison of Kinematics and Kinetics Between OpenCap and a Marker-Based Motion Capture System in Cycling [0.0]
  本研究は, サイクリング時の関節運動学および運動学評価におけるマーカーベースおよびマーカーレスモーションキャプチャシステム(OpenCap)の適合性を評価する。 OpenSimを用いて, 関節角度, モーメント, 関節反応負荷などの重要な指標を計算した。 その結果, 股関節(屈曲・伸展), 膝(屈曲・伸展), 足首(背屈・足関節屈曲)の関節角度について非常に強い一致(r GT 0.9)を示した。
  論文  参考訳（メタデータ） (2024-08-20T15:57:40Z)
• 3D Kinematics Estimation from Video with a Biomechanical Model and Synthetic Training Data [4.130944152992895]
  2つの入力ビューから3Dキネマティクスを直接出力するバイオメカニクス対応ネットワークを提案する。 実験により, 提案手法は, 合成データにのみ訓練されたものであり, 従来の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-20T17:33:40Z)
• Skeleton2Humanoid: Animating Simulated Characters for Physically-plausible Motion In-betweening [59.88594294676711]
  現代の深層学習に基づく運動合成アプローチは、合成された運動の物理的妥当性をほとんど考慮していない。 テスト時に物理指向の動作補正を行うシステムSkeleton2Humanoid'を提案する。 挑戦的なLaFAN1データセットの実験は、物理的妥当性と精度の両方の観点から、我々のシステムが先行手法を著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2022-10-09T16:15:34Z)
• Neural Monocular 3D Human Motion Capture with Physical Awareness [76.55971509794598]
  物理的に可塑性なマーカーレス3次元モーションキャプチャのための新しいトレーニングシステムを提案する。 人間のモーションキャプチャのためのほとんどのニューラルな手法とは異なり、我々のアプローチは物理的および環境的な制約を認識している。 様々な場面でインタラクティブなフレームレートで、滑らかで物理的に原理化された3dモーションを生成する。
  論文  参考訳（メタデータ） (2021-05-03T17:57:07Z)
• PhysCap: Physically Plausible Monocular 3D Motion Capture in Real Time [89.68248627276955]
  シングルカラーカメラからのマーカレス3Dモーションキャプチャは、大きな進歩を遂げた。 しかし、これは非常に困難な問題であり、深刻な問題である。 我々はPhysCapについて紹介する。PhysCapは物理的に可塑性でリアルタイムでマーカーのない人間の3Dモーションキャプチャのための最初のアルゴリズムである。
  論文  参考訳（メタデータ） (2020-08-20T10:46:32Z)
• Contact and Human Dynamics from Monocular Video [73.47466545178396]
  既存のディープモデルは、ほぼ正確に見えるエラーを含むビデオから2Dと3Dキネマティックのポーズを予測する。 本稿では,最初の2次元と3次元のポーズ推定を入力として,映像系列から3次元の人間の動きを推定する物理に基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-07-22T21:09:11Z)

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。