論文の概要: TaFall: Balance-Informed Fall Detection via Passive Thermal Sensing

• arxiv url: http://arxiv.org/abs/2604.09693v1
• Date: Mon, 06 Apr 2026 15:18:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.599276
• Title: TaFall: Balance-Informed Fall Detection via Passive Thermal Sensing
• Title（参考訳）: TaFall:パッシブサーマルセンシングによるバランスインフォームドフォール検出
• Authors: Chengxiao Li, Xie Zhang, Wei Zhu, Yan Jiang, Chenshu Wu,
• Abstract要約: 既存のフォール検出アプローチは、現実のデプロイメントにおける信頼性を制限する粗いモーションキューに依存している。 低コストでプライバシ保護型サーマルアレイセンサに基づくバランスインフォームド・フォール検知システムであるTaFallを紹介する。 TaFallは、検出率98.26%、誤警報率0.65%、35人の参加者から3,000以上の落下事例を達成している。
• 参考スコア（独自算出の注目度）: 16.193849455587234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Falls are a major cause of injury and mortality among older adults, yet most incidents occur in private indoor environments where monitoring must balance effectiveness with privacy. Existing privacy-preserving fall detection approaches, particularly those based on radio frequency sensing, often rely on coarse motion cues, which limits reliability in real-world deployments. We introduce TaFall, a balance-informed fall detection system based on low-cost, privacy-preserving thermal array sensing. The key insight is that TaFall models a fall as a process of balance degradation and detects falls by estimating pose-driven biomechanical balance dynamics. To enable this capability from low-resolution thermal array maps, we propose (i) an appearance-motion fusion model for robust pose reconstruction, (ii) physically grounded balance-aware learning, and (iii) pose-bridged pretraining to improve robustness. TaFall achieves a detection rate of 98.26% with a false alarm rate of 0.65% on our dataset with over 3,000 fall instances from 35 participants across diverse indoor environments. In 27 day deployments across four homes, TaFall attains an ultra-low false alarm rate of 0.00126% and a pilot bathroom study confirms robustness under moisture and thermal interference. Together, these results establish TaFall as a reliable and privacy-preserving approach to fall detection in everyday living environments.
• Abstract（参考訳）: 転倒は高齢者の怪我や死亡の主な原因であるが、ほとんどの事故は、監視とプライバシーのバランスをとらなければならないプライベートな屋内環境で発生している。 既存のプライバシー保護のフォール検出アプローチ、特に無線周波数センサーに基づくものは、しばしば粗いモーションキューに依存しており、現実のデプロイメントの信頼性を制限している。 低コストでプライバシ保護型サーマルアレイセンサに基づくバランスインフォームド・フォール検知システムであるTaFallを紹介する。 重要な洞察は、TaFallがバランス劣化の過程としてフォールをモデル化し、ポーズ駆動の生体力学的バランスのダイナミクスを推定することによってフォールを検出することである。 低分解能熱アレイマップからこの機能を実現するために,我々は提案する。 (i)頑丈なポーズ再構築のための外観運動融合モデル (二)身体的基盤のバランス認識学習、及び (三)頑健性を高めるために、ポーズブリッジの予備訓練。 TaFallは検出率98.26%、誤警報率0.65%、様々な屋内環境における35人の参加者から3,000以上の落下事例を達成している。 4軒の家の27日間の配置では、TaFallの誤報率は0.00126%で、試験的な浴室調査では湿気と熱干渉下での堅牢性が確認されている。 これらの結果は、TaFallを、日常生活環境における転倒検出の信頼性とプライバシ保護のアプローチとして確立している。

関連論文リスト

• Uncertainty-Aware Mapping from 3D Keypoints to Anatomical Landmarks for Markerless Biomechanics [39.155383773210836]
  マーカーレスバイオメカニクスは、ますますビデオから抽出された3D骨格キーポイントに依存している。 本研究では,3Dポーズキーポイントを3D解剖学的ランドマークにマッピングするための信頼度尺度として,予測の不確実性について検討する。
  論文  参考訳（メタデータ） (2026-03-27T09:42:23Z)
• Severe Domain Shift in Skeleton-Based Action Recognition:A Study of Uncertainty Failure in Real-World Gym Environments [0.0]
  本稿では,新しいGym2DデータセットとUCF101データセットを用いて,厳しい領域シフトの体系的研究を行う。 我々の研究は、標準的なデプロイメント仮定に挑戦し、セマンティックスケルトン認識と幾何学的スケルトン認識の両方のデプロイの安全性を原則として分析する。
  論文  参考訳（メタデータ） (2026-03-16T17:37:17Z)
• When World Models Dream Wrong: Physical-Conditioned Adversarial Attacks against World Models [54.08784776767683]
  本稿では,物理条件を乱す最初のホワイトボックス世界モデルアタックであるPhysCond-WMA(PhysCond-WMA)を提案する。 PhysCond-WMAは知覚の忠実さを維持しながら意味、論理、決定レベルの歪みを引き起こす。
  論文  参考訳（メタデータ） (2026-02-21T07:22:37Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• OCCUQ: Exploring Efficient Uncertainty Quantification for 3D Occupancy Prediction [9.742801351723482]
  現在の方法は、敵条件や分布シフトに起因する不確実性を見落としていることが多い。 本稿では,3次元占有予測のための不確実性推定手法を効率的に適用することを提案する。 本手法は、自律運転システムの堅牢性を高める可能性を示すとともに、信頼性の高い不確実性対策を一貫して示している。
  論文  参考訳（メタデータ） (2025-03-13T17:50:07Z)
• Extreme Miscalibration and the Illusion of Adversarial Robustness [66.29268991629085]
  敵の訓練は、しばしばモデルの堅牢性を高めるために使用される。 我々は、この観測されたロバストネスの利得はロバストネスの錯覚(IOR)であることを示した。 我々は,NLPコミュニティに対して,試験時間温度のスケーリングを堅牢性評価に組み込むよう促す。
  論文  参考訳（メタデータ） (2024-02-27T13:49:12Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)
• Motion and Region Aware Adversarial Learning for Fall Detection with Thermal Imaging [8.110295985047278]
  転倒検知のためのホームベースのカメラシステムは、しばしば人々のプライバシーを危険にさらす。 転倒はめったに起こらないため、クラス不均衡によるアルゴリズムの学習は簡単ではない。 熱画像を用いた対向フレームワーク内での転倒検出を異常検出として定式化する。
  論文  参考訳（メタデータ） (2020-04-17T17:17:29Z)

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。