論文の概要: An Intelligent Framework for Real-Time Yoga Pose Detection and Posture Correction
- arxiv url: http://arxiv.org/abs/2603.26760v1
- Date: Mon, 23 Mar 2026 17:37:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:44.580564
- Title: An Intelligent Framework for Real-Time Yoga Pose Detection and Posture Correction
- Title（参考訳）: リアルタイムヨガ姿勢検出と姿勢補正のためのインテリジェントフレームワーク
- Authors: Chandramouli Haldar,
- Abstract要約: ヨガ練習中の不適切なアライメントは効果を減少させ、筋骨格損傷のリスクを増大させる。
本稿では,リアルタイムヨガポーズ検出と姿勢修正のためのハイブリッドエッジAIベースのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Yoga is widely recognized for improving physical fitness, flexibility, and mental well being. However, these benefits depend strongly on correct posture execution. Improper alignment during yoga practice can reduce effectiveness and increase the risk of musculoskeletal injuries, especially in self guided or online training environments. This paper presents a hybrid Edge AI based framework for real time yoga pose detection and posture correction. The proposed system integrates lightweight human pose estimation models with biomechanical feature extraction and a CNN LSTM based temporal learning architecture to recognize yoga poses and analyze motion dynamics. Joint angles and skeletal features are computed from detected keypoints and compared with reference pose configurations to evaluate posture correctness. A quantitative scoring mechanism is introduced to measure alignment deviations and generate real time corrective feedback through visual, text based, and voice based guidance. In addition, Edge AI optimization techniques such as model quantization and pruning are applied to enable low latency performance on resource constrained devices. The proposed framework provides an intelligent and scalable digital yoga assistant that can improve user safety and training effectiveness in modern fitness applications.
- Abstract（参考訳）: ヨガは体力、柔軟性、精神的健康の改善で広く認知されている。
しかし、これらの利点は正しい姿勢実行に強く依存する。
ヨガ練習中の不適切なアライメントは、特に自己指導やオンライントレーニング環境で、効果を減少させ、筋骨格損傷のリスクを増大させる。
本稿では,リアルタイムヨガポーズ検出と姿勢補正のためのハイブリッドエッジAIベースのフレームワークを提案する。
提案システムは,軽量な人間のポーズ推定モデルと生体力学的特徴抽出,およびCNN LSTMに基づく時間学習アーキテクチャを統合し,ヨガのポーズを認識し,動きのダイナミクスを解析する。
検出されたキーポイントから関節角と骨格の特徴を計算し、基準ポーズ構成と比較して姿勢の正しさを評価する。
定量的スコアリング機構を導入し、アライメントの偏差を測定し、ビジュアル、テキストベース、音声ベースのガイダンスを通じてリアルタイムの補正フィードバックを生成する。
さらに、モデル量子化やプルーニングなどのエッジAI最適化技術を適用し、リソース制約されたデバイス上での低レイテンシ性能を実現する。
提案するフレームワークは、インテリジェントでスケーラブルなデジタルヨガアシスタントを提供し、現代のフィットネスアプリケーションにおけるユーザの安全性とトレーニング効率を向上させる。
関連論文リスト
- An M-Health Algorithmic Approach to Identify and Assess Physiotherapy Exercises in Real Time [0.20878272814614096]
本研究は,モバイルデバイスを用いたヒト生理学療法のリアルタイム識別,分類,評価のための効率的なアルゴリズムフレームワークを提案する。
提案手法は,ポーズ推定ニューラルネットワークを用いてカメラ入力から推定される静止ポーズの列として運動運動を解釈する。
運動の完全な動きを認識し,所定のパターンから逸脱を検出するために,修正されたLevenshtein距離アルゴリズムに基づく動的プログラミング方式を用いる。
論文 参考訳（メタデータ） (2025-12-11T08:56:03Z) - Integrating Skeleton Based Representations for Robust Yoga Pose Classification Using Deep Learning Models [0.0]
既存のデータセットの制限に対処する、キュレートされたデータセット「Yoga-16」を導入する。
3つの入力モダリティ(直接画像,MediaPipe Poseスケルトン画像,YOLOv8 Poseスケルトン画像)を用いて3つのディープラーニングアーキテクチャ(VGG16, ResNet50, Xception)を体系的に評価した。
実験により、骨格ベースの表現は生画像入力より優れており、VGG16とMediaPipe Poseの骨格入力で96.09%の精度で達成されている。
論文 参考訳（メタデータ） (2025-11-29T18:00:33Z) - Knowledge Regularized Negative Feature Tuning of Vision-Language Models for Out-of-Distribution Detection [54.433899174017185]
信頼性の高い機械学習モデルを構築するには、アウト・オブ・ディストリビューション(OOD)検出が不可欠である。
我々はKR-NFT(Knowledge Regularized Negative Feature Tuning)と呼ばれる新しい手法を提案する。
NFTは、事前訓練されたテキスト特徴に分布認識変換を適用し、正および負の特徴を異なる空間に効果的に分離する。
ImageNetデータセットから数発のサンプルをトレーニングすると、KR-NFTはID分類精度とOOD検出を改善するだけでなく、FPR95を5.44%削減する。
論文 参考訳（メタデータ） (2025-07-26T07:44:04Z) - Real-Time Feedback and Benchmark Dataset for Isometric Pose Evaluation [1.6358813089575626]
ポーズ評価のためのリアルタイムフィードバックシステムを提案する。
私たちのコントリビューションには、これまでで最大のマルチクラスの等尺運動ビデオデータセットのリリースが含まれています。
その結果、ホームワークアウトのための知的かつパーソナライズされた運動訓練システムの実現可能性が高まった。
論文 参考訳（メタデータ） (2025-06-13T13:33:59Z) - PosePilot: An Edge-AI Solution for Posture Correction in Physical Exercises [0.0]
この研究は、リアルタイムにパーソナライズされた修正フィードバックで認識する新しいシステムであるPosePilotを提示する。
エッジデバイス用に設計されたPosePilotは、自宅や屋外のさまざまなエクササイズに拡張できる。
論文 参考訳（メタデータ） (2025-05-25T15:13:54Z) - Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T19:02:54Z) - Using Learnable Physics for Real-Time Exercise Form Recommendations [2.1548132286330453]
本稿では,エクササイズ手法の問題点を診断し,修正レコメンデーションを提供するアルゴリズムパイプラインを提案する。
我々は、ポーズ認識にMediaPipeを使用し、ピークプロミネンス検出による反復数をカウントし、学習可能な物理シミュレータを用いて動きの進化を追跡する。
論文 参考訳（メタデータ） (2023-10-11T06:11:11Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳（メタデータ） (2022-03-11T02:37:35Z) - Towards Understanding the Adversarial Vulnerability of Skeleton-based
Action Recognition [133.35968094967626]
骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。
ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。
異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
論文 参考訳（メタデータ） (2020-05-14T17:12:52Z) - Improved Adversarial Training via Learned Optimizer [101.38877975769198]
対戦型トレーニングモデルの堅牢性を改善するための枠組みを提案する。
共学習のパラメータモデルの重み付けにより、提案するフレームワークは、更新方向に対するロバスト性とステップの適応性を一貫して改善する。
論文 参考訳（メタデータ） (2020-04-25T20:15:53Z)
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。