論文の概要: GenGait: A Transformer-Based Model for Human Gait Anomaly Detection and Normative Twin Generation

• arxiv url: http://arxiv.org/abs/2604.01997v1
• Date: Thu, 02 Apr 2026 13:06:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.798314
• Title: GenGait: A Transformer-Based Model for Human Gait Anomaly Detection and Normative Twin Generation
• Title（参考訳）: GenGait:人間の歩行異常検出とノルマティブツイン生成のためのトランスフォーマーベースモデル
• Authors: Elisa Motta, Marta Lorenzini, Clara Mouawad, Alberto Ranavolo, Mariano Serrao, Arash Ajoudani,
• Abstract要約: 本研究では,トランスフォーマーマスマスキングオートエンコーダをベースとした,関節レベル自動修正のためのラベルフリーフレームワークを提案する。 提案手法は、疾患ラベルを必要とせず、歩行障害の解釈可能な主観的局所化を可能にする。
• 参考スコア（独自算出の注目度）: 11.553495883461359
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gait analysis provides an objective characterization of locomotor function and is widely used to support diagnosis and rehabilitation monitoring across neurological and orthopedic disorders. Deep learning has been increasingly applied to this domain, yet most approaches rely on supervised classifiers trained on disease-labeled data, limiting generalization to heterogeneous pathological presentations. This work proposes a label-free framework for joint-level anomaly detection and kinematic correction based on a Transformer masked autoencoder trained exclusively on normative gait sequences from 150 adults, acquired with a markerless multi-camera motion-capture system. At inference, a two-pass procedure is applied to potentially pathological input sequences, first it estimates joint inconsistency scores by occluding individual joints and measuring deviations from the learned normative prior. Then, it withholds the flagged joints from the encoder input and reconstructs the full skeleton from the remaining spatiotemporal context, yielding corrected kinematic trajectories at the flagged positions. Validation on 10 held-out normative participants, who mimicked seven simulated gait abnormalities, showed accurate localization of biomechanically inconsistent joints, a significant reduction in angular deviation across all analyzed joints with large effect sizes, and preservation of normative kinematics. The proposed approach enables interpretable, subject-specific localization of gait impairments without requiring disease labels. Video is available at https://youtu.be/Rcm3jqR5pN4.
• Abstract（参考訳）: 歩行分析は運動機能に客観的な特徴を与え、神経学的および整形外科疾患の診断とリハビリテーションモニタリングを支援するために広く用いられている。 深層学習はこの領域にますます適用されてきているが、ほとんどのアプローチは疾患ラベル付きデータに基づいて訓練された教師付き分類器に依存しており、一般化は異種病態の提示に限られている。 本研究は,150人の成人の標準歩数列のみを学習したトランスフォーマーマスク付きオートエンコーダに基づく,関節レベルの異常検出と運動補正のためのラベルフリーフレームワークを提案する。 推測では、潜在的に病理的な入力シーケンスに2パスの手順を適用し、まず、個々の関節を閉塞し、学習基準から逸脱を測定することで、関節不整合スコアを推定する。 そして、エンコーダ入力からフラグ付き関節を保留し、残りの時空間からフルスケルトンを再構築し、フラグ付き位置で修正された運動軌道を生成する。 7つの歩行異常を模倣した10名の健常者に対する評価では, 生体力学的に不整合な関節の正確な局在, 解析されたすべての関節における角偏差の顕著な減少, ノルマティクスの保存が認められた。 提案手法は、疾患ラベルを必要とせず、歩行障害の解釈可能な主観的局所化を可能にする。 ビデオはhttps://youtu.be/Rcm3jqR5pN4.comで公開されている。

関連論文リスト

• Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
  大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。 損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。 視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。 言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
  論文  参考訳（メタデータ） (2026-03-20T02:07:10Z)
• Correcting False Alarms from Unseen: Adapting Graph Anomaly Detectors at Test Time [60.341117019125214]
  グラフ異常検出(GAD)における未確認正規pattErnsの修正のための,軽量かつプラグアンドプレイなテスト時間適応フレームワークを提案する。 意味的混乱に対処するために、シフトしたデータと元のデータとをグラフ属性レベルで整合させるグラフ整合器を用いる。 10個の実世界のデータセットに対する大規模な実験により、TUNEは事前学習されたGADモデルの合成パターンと実際の見えない正常パターンの両方への一般化性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-11-10T12:10:05Z)
• Comparative Analysis of Data Augmentation for Clinical ECG Classification with STAR [0.0]
  正弦波時間振幅サンプリング(Sinusoidal Time-Amplitude Resampling, STAR)は、連続するRピーク間で厳密に動作するビートワイド増幅である。 STARは実践的なパイプラインのために設計されており、 (i) ピークや間隔を損なうことなくトレーニングの多様性を拡大するモルフォロジー-忠実な変動、 (ii) ソースレジリエンスなトレーニング、 デバイス、サイト、コホート間の安定性をデータセット固有のチューニングなしで改善する、 (iv) ビートレベルの拡張によるレアクラスの学習の改善。
  論文  参考訳（メタデータ） (2025-10-15T14:18:03Z)
• BenchReAD: A systematic benchmark for retinal anomaly detection [23.15668882564837]
  データとアルゴリズムの観点から総合的かつ体系的な網膜異常検出のためのベンチマークを導入する。 異常の非交叉表現(DRA)を利用した完全教師付きアプローチは、最高の性能を達成できるが、ある異常な異常に遭遇した場合、性能が著しく低下する。 本研究では,一級教師あり学習におけるメモリバンク機構に着想を得て,DRAと通常の特徴記憶を統合して性能劣化を緩和するNFM-DRAを提案する。
  論文  参考訳（メタデータ） (2025-07-14T17:13:08Z)
• ADALog: Adaptive Unsupervised Anomaly detection in Logs with Self-attention Masked Language Model [2.55347686868565]
  ADALogは適応的で教師なしの異常検出フレームワークである。 個々の非構造化ログで動作し、ログ内のコンテキスト関係を抽出し、通常のデータに対して適応しきい値を設定する。 BGL,Thunderbird,Spiritのベンチマークデータセット上でADALogを評価する。
  論文  参考訳（メタデータ） (2025-05-15T17:31:40Z)
• Reflecting Topology Consistency and Abnormality via Learnable Attentions for Airway Labeling [19.269806092729468]
  気道解剖学的ラベリングは、気管支鏡で複雑な気管支構造を識別し、ナビゲートするために、臨床医にとって不可欠である。 従来の手法は一貫性のない予測を生成する傾向にある。 本稿では, トポロジカルな整合性を高め, 異常な気道分岐の検出を改善する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-31T12:04:30Z)
• Fine-grained Abnormality Prompt Learning for Zero-shot Anomaly Detection [109.72772150095646]
  FAPromptは、精密なZSADのためのきめ細かい異常プロンプトを学習するために設計された新しいフレームワークである。 産業的欠陥と医療的異常の両方をカバーする19の実世界のデータセットの実験は、FAPromptが画像レベルのZSADタスクとピクセルレベルのZSADタスクの両方で最先端の手法を大幅に上回っていることを実証している。
  論文  参考訳（メタデータ） (2024-10-14T08:41:31Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。