論文の概要: Ultra Diffusion Poser: Diffusion-Based Human Motion Tracking From Sparse Inertial Sensors and Ranging-Based Between-Sensor Distances
- arxiv url: http://arxiv.org/abs/2606.02153v1
- Date: Mon, 01 Jun 2026 12:20:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:31.984894
- Title: Ultra Diffusion Poser: Diffusion-Based Human Motion Tracking From Sparse Inertial Sensors and Ranging-Based Between-Sensor Distances
- Title（参考訳）: Ultra Diffusion Poser: 希少な慣性センサーからの拡散に基づく人体運動追跡とランキングに基づくセンサ間距離
- Authors: Dominik Hollidt, Tommaso Bendinelli, Christian Holz,
- Abstract要約: 慣性測定ユニット(IMU)を用いる方法は、カメラベースのモーションキャプチャーに代わるウェアラブルを提供する。
慣性ポーズ推定器では、超広帯域(UWB)範囲で測定されるセンサ間距離を積分する。
我々はこれらの幾何学的制約を明示的にモデル化した拡散モデルであるUltra Diffusion Poserを提案する。
- 参考スコア（独自算出の注目度）: 24.74367396007152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Methods using inertial measurement units (IMUs) provide a wearable alternative to camera-based motion capture. To mitigate drift from inertial signals, recent sparse inertial pose estimators integrate inter-sensor distances measured by ultra-wideband (UWB) ranging. So far, UWB distances have only been used as an additional input feature, ignoring the physical constraints they impose on sensor positions. However, these distances can also be used to reconstruct the underlying 3D sensor layout, which in turn provides more informative input for pose reconstruction. We propose Ultra Diffusion Poser, a diffusion model that explicitly models these geometric constraints. It includes a Spatial Layout Module that analytically reconstructs the 3D sensor positions from UWB measurements. These sensor positions are used alongside IMU signals and UWB distances as a conditioning signal during diffusion. Still, network predictions can violate inter-sensor distance measurements. To address this, we introduce UWB-Diffusion Guidance, which encourages alignment between predicted poses and measured distances during diffusion sampling. Together, these contributions enable our model to achieve state-of-the-art performance, reducing joint position error by up to 22% over prior work.
- Abstract（参考訳）: 慣性測定ユニット(IMU)を用いる方法は、カメラベースのモーションキャプチャーに代わるウェアラブルを提供する。
慣性信号からのドリフトを軽減するため、近年のスパース慣性ポーズ推定器は超広帯域(UWB)で測定されたセンサ間距離を統合する。
これまでのところUWB距離は、センサーの位置に課される物理的な制約を無視して、追加の入力機能としてしか使われていない。
しかし、これらの距離は、下層の3Dセンサーレイアウトを再構築するためにも使用できる。
我々はこれらの幾何学的制約を明示的にモデル化した拡散モデルであるUltra Diffusion Poserを提案する。
空間レイアウトモジュールは、UWB測定から3Dセンサーの位置を解析的に再構築する。
これらのセンサ位置は、拡散中の条件信号としてIMU信号とUWB距離と共に使用される。
それでも、ネットワーク予測はセンサー間距離測定に違反する可能性がある。
そこで本研究では, 拡散サンプリング中の予測ポーズと測定距離のアライメントを促進するUWB拡散誘導手法を提案する。
これらの貢献により、我々のモデルは最先端の性能を達成でき、以前の作業よりも最大22%の関節位置誤差を低減できる。
関連論文リスト
- Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。
モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。
ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
論文 参考訳（メタデータ） (2026-03-02T17:46:38Z) - UP-Fuse: Uncertainty-guided LiDAR-Camera Fusion for 3D Panoptic Segmentation [17.310791153991975]
本稿では,新しい不確実性を考慮した融合フレームワークUP-Fuseを紹介する。
生のLiDARデータはまずレンジビューに投影され、LiDARエンコーダによってエンコードされる。
カメラ機能は同時に抽出され、同じ共有空間に投影される。
論文 参考訳（メタデータ） (2026-02-22T21:34:29Z) - Mocap Anywhere: Towards Pairwise-Distance based Motion Capture in the Wild (for the Wild) [17.794355768651698]
Wild-Poser (WiP)は、ノイズや劣化したPWD測定から3次元関節位置を予測する、コンパクトでリアルタイムなTransformerベースのアーキテクチャである。
WiPは、身体の測定や形状の調整を必要とせずに、非ヒト種を含む様々な形態の被験者を一般化する。
リアルタイムで動作させることで、WiPは低い関節位置誤差を達成し、人および動物の両方の被写体に対して正確な3次元運動再構成を示す。
論文 参考訳（メタデータ） (2026-01-27T11:58:34Z) - Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation [45.95486121114164]
我々は,デノナイズ拡散を用いた逆触覚センサモデルを学習し,触覚データを効率的に活用してポーズ推定を行う。
このモデルは、分布した触覚センサからの触覚観測に基づいて調整され、幾何学的センサーモデルを用いてシミュレーションで訓練される。
オンラインポーズ推定では,提案手法を用いて逆モデルと粒子フィルタを統合する。
論文 参考訳（メタデータ） (2026-01-19T17:36:28Z) - UMotion: Uncertainty-driven Human Motion Estimation from Inertial and Ultra-wideband Units [11.911147790899816]
UMotionは、不確実性駆動による3次元人間の形状とポーズ推定のためのオンラインハウジングオール状態推定フレームワークである。
ボディウーンのウルトラワイドバンド(UWB)距離センサーを6基搭載し、IMUを搭載。
論文 参考訳（メタデータ） (2025-05-14T13:48:36Z) - A Lightweight Human Pose Estimation Approach for Edge Computing-Enabled Metaverse with Compressive Sensing [23.884862152830184]
5G/6Gネットワークのようなエッジコンピューティング対応ネットワーク上のユーザの3D動作を推定する能力は、拡張現実(XR)とメタバースアプリケーションの新しい時代の重要な実現要因である。
近年の深層学習の進歩は,センサ信号からの予備的な計測から3次元人のポーズを推定する最適化手法よりも有利であることが示されている。
ノイズの多い無線環境におけるIMU信号の冗長性除去と軽量伝送のための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-08-26T02:57:23Z) - DiffusionPoser: Real-time Human Motion Reconstruction From Arbitrary Sparse Sensors Using Autoregressive Diffusion [10.439802168557513]
限られた数のボディウーンセンサーからのモーションキャプチャーは、健康、人間のパフォーマンス、エンターテイメントに重要な応用がある。
最近の研究は、6つのIMUを用いて、特定のセンサー構成から全身の動きを正確に再構築することに焦点を当てている。
センサの任意の組み合わせから人の動きをリアルタイムで再現する単一拡散モデルDiffusionPoserを提案する。
論文 参考訳（メタデータ） (2023-08-31T12:36:50Z) - Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a
Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。
本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。
実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文 参考訳（メタデータ） (2023-08-28T07:56:13Z) - Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。
3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
論文 参考訳（メタデータ） (2023-05-12T18:08:51Z) - iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
iSDFは実時間符号付き距離場再構成のための連続学習システムである。
より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
論文 参考訳（メタデータ） (2022-04-05T15:48:39Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z)
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。