論文の概要: Human Pose Estimation in Trampoline Gymnastics: Improving Performance Using a New Synthetic Dataset

• arxiv url: http://arxiv.org/abs/2604.01322v1
• Date: Wed, 01 Apr 2026 18:54:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.772175
• Title: Human Pose Estimation in Trampoline Gymnastics: Improving Performance Using a New Synthetic Dataset
• Title（参考訳）: トランポリン体操学における人間の姿勢推定:新しい合成データセットによる性能向上
• Authors: Léa Drolet-Roy, Victor Nogues, Sylvain Gaudet, Eve Charbonneau, Mickaël Begon, Lama Séoud,
• Abstract要約: 我々は、ノイズの多いモーションキャプチャデータをパラメトリックな人間モデルに適合させるパイプラインを開発し、その後、マルチビューリアルな画像を生成する。 その結果, 3次元三角測量の精度が向上し, 3次元三角測量の精度が向上した。 3Dでは,MPJPEを最良モデルで12.5mm削減し,前訓練したViTPoseモデルと比較して19.6%改善した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Trampoline gymnastics involves extreme human poses and uncommon viewpoints, on which state-of-the art pose estimation models tend to under-perform. We demonstrate that this problem can be addressed by fine-tuning a pose estimation model on a dataset of synthetic trampoline poses (STP). STP is generated from motion capture recordings of trampoline routines. We develop a pipeline to fit noisy motion capture data to a parametric human model, then generate multiview realistic images. We use this data to fine-tune a ViTPose model, and test it on real multi-view trampoline images. The resulting model exhibits accuracy improvements in 2D which translates to improved 3D triangulation. In 2D, we obtain state-of-the-art results on such challenging data, bridging the performance gap between common and extreme poses. In 3D, we reduce the MPJPE by 12.5 mm with our best model, which represents an improvement of 19.6% compared to the pretrained ViTPose model.
• Abstract（参考訳）: トランポリンの体操は、極端な人間のポーズと、最先端のポーズ推定モデルがパフォーマンスの低い傾向にある一般的な視点を含む。 本研究では,合成トランポリンポーズ(STP)のデータセット上でポーズ推定モデルを微調整することにより,この問題に対処できることを実証する。 STPはトランポリンルーチンのモーションキャプチャー記録から生成される。 我々は、ノイズの多いモーションキャプチャデータをパラメトリックな人間モデルに適合させるパイプラインを開発し、その後、マルチビューリアルな画像を生成する。 このデータを用いて、ViTPoseモデルを微調整し、実際の多視点トランポリン画像上でテストする。 その結果, 3次元三角測量の精度が向上し, 3次元三角測量の精度が向上した。 2Dでは、このような挑戦的なデータに対して最先端の結果が得られ、一般的なポーズと極端なポーズのパフォーマンスギャップを埋める。 3Dでは,MPJPEを最良モデルで12.5mm削減し,前訓練したViTPoseモデルと比較して19.6%改善した。

関連論文リスト

• Direct Reward Fine-Tuning on Poses for Single Image to 3D Human in the Wild [29.18347483848261]
  シングルビュー3Dの復元は目覚ましい進歩を遂げたが、回収された3Dのヒトは、しばしば不自然なポーズを呈する。 本稿では,多視点拡散モデルの各種ポーズに対する後学習を可能にする,Poses上でのダイレクトリワード微調整アルゴリズムであるDrPoseを紹介する。 DrPoseは、PoseScoreを最大化するために直接報酬を微調整する、単一のビューイメージと組み合わせた人間のポーズのみを使用してモデルを訓練する。
  論文  参考訳（メタデータ） (2026-03-03T05:47:18Z)
• ManiPose: Manifold-Constrained Multi-Hypothesis 3D Human Pose Estimation [71.2556016049579]
  ManiPoseは、人為的な2D-to-3Dリフトのための多様体拘束型マルチハイブリッドモデルである。 人間のポーズ多様体上の出力を制約することにより、ManiPoseはすべての仮説的なポーズの一貫性を保証する。 実世界のデータセット上でのManiPoseのパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-12-11T13:50:10Z)
• Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
  本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。 動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。 混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
  論文  参考訳（メタデータ） (2023-08-18T16:41:57Z)
• FIND: An Unsupervised Implicit 3D Model of Articulated Human Feet [24.676583148376032]
  我々は高忠実度3次元人足モデルを提案する。 モデルは、形状、テクスチャ、調音されたポーズという観点で、非絡み合った潜在コードによってパラメータ化される。
  論文  参考訳（メタデータ） (2022-10-21T20:47:16Z)
• Learning Realistic Human Reposing using Cyclic Self-Supervision with 3D Shape, Pose, and Appearance Consistency [55.94908688207493]
  画像品質のギャップを教師付き手法で埋める自己教師型フレームワークSPICEを提案する。 自己超越を可能にする重要な洞察は、様々な方法で人体に関する3D情報を活用することである。 SPICEはDeepFashionデータセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-10-11T17:48:50Z)
• 3D Human Pose Regression using Graph Convolutional Network [68.8204255655161]
  本稿では,2次元のポーズから3次元のポーズ回帰を行うために,PoseGraphNetというグラフ畳み込みネットワークを提案する。 我々のモデルの性能は最先端に近いが、パラメータははるかに少ない。
  論文  参考訳（メタデータ） (2021-05-21T14:41:31Z)
• Neural 3D Clothes Retargeting from a Single Image [91.5030622330039]
  本稿では,1枚のRGB画像で人物にフィットする3次元衣料テンプレートモデルの潜在的なポーズと変形を生成する方法を提案する。 この問題は、地上の真実データを取得することは不可能である、すなわち、異なる3D衣料品テンプレートモデルを全く同じポーズで身に着けている人々の画像として、基本的には不適切である。 そこで本研究では,3次元変形の物理的妥当性を検証するための半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-29T20:50:34Z)
• SMPLy Benchmarking 3D Human Pose Estimation in the Wild [14.323219585166573]
  Mannequin Challengeのデータセットには、彫像のようなアクションで凍った人々の野生の映像が含まれている。 登録されたボディモデルを持つ合計24,428フレームは、ほぼ無償で567シーンから選択される。 我々は,このデータセット上で,最先端のSMPLに基づく人間のポーズ推定手法をベンチマークする。
  論文  参考訳（メタデータ） (2020-12-04T17:48:32Z)
• Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis [72.34794624243281]
  ラベルのないビデオフレームからバリエーションを分離する自己教師付き学習フレームワークを提案する。 3Dポーズと空間部分マップの表現ギャップを埋める、微分可能な形式化により、多様なカメラの動きを持つビデオで操作できる。
  論文  参考訳（メタデータ） (2020-04-09T07:55:01Z)

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。