論文の概要: Integrated Real-Time Motion Tracking and AI Analysis for Athletic Performance Optimization

• arxiv url: http://arxiv.org/abs/2606.09842v1
• Date: Thu, 23 Apr 2026 20:21:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.795142
• Title: Integrated Real-Time Motion Tracking and AI Analysis for Athletic Performance Optimization
• Title（参考訳）: 運動性能最適化のための統合リアルタイムモーショントラッキングとAI解析
• Authors: Parth Agrawal, Ronit, Sagar Kumar, Aashish Bhambri,
• Abstract要約: 本稿では,HPE(Human Pose Estimation)アプローチと個人を対象としたスポーツ分析における限界について検討・調査する。 実世界のテストと利用のための実用的軽量プロトタイプを開発する。
• 参考スコア（独自算出の注目度）: 0.8959668207214766
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Applying Human Pose Estimation (HPE) in real world environments remains a challenging task, this paper explores and surveys real time HPE approaches and their limitations in sports analysis for individuals, alongside developing a practical lightweight prototype for real world testing and usage. The older marker-based motion capture systems evolving to the modern accessible and adaptable markerless deep learning approaches, this survey explores the foundational architectures, which balance precision and efficiency. We also compare algorithmic frameworks (top-down, bottom-up, one-stage approaches, etc.) on practical deployment metrics such as inference latency, frame rate, mean per-joint position error, and temporal jitter to guide model selection process for sports application. As our prime contribution, we are proposing a modular, lightweight software prototype, which uses MediaPipe HPE framework with multiple exercise specific logic to deliver real-time insights and AI based feedback for non-expert users. We derive sports insights and providing feedback with minimal computational resources, while showcasing the performance and reliability metrics. In the end, we suggest other future research directions like combining sensors, and AR/VR. This work caters to researchers, engineers, sport scientists, etc., as both technical resource and a valid blueprint to implement a similar or improved real-time HPE analysis system for athletic performance enhancement or other purposes.
• Abstract（参考訳）: 実環境におけるHPE(Human Pose Estimation)の適用は依然として困難な課題であり,実環境におけるHPEのアプローチと個人を対象としたスポーツ分析の限界を探求し,調査するとともに,実環境におけるテストと使用のための実用的な軽量プロトタイプを開発する。 より古いマーカーベースのモーションキャプチャシステムは、現代のアクセス可能かつ適応可能なマーカーレスディープラーニングアプローチへと進化し、精度と効率のバランスをとる基礎的アーキテクチャを探索する。 また、推論遅延、フレームレート、平均結合位置誤差、時間ジッタといった実用的なデプロイメントメトリクスについて、アルゴリズム的なフレームワーク(トップダウン、ボトムアップ、ワンステージアプローチなど)を比較して、スポーツアプリケーションのモデル選択プロセスをガイドする。 これはMediaPipe HPEフレームワークを使って、複数のエクササイズ固有のロジックを使用して、リアルタイムの洞察とAIベースのフィードバックを、専門家でないユーザに提供します。 スポーツの洞察を導き、最小限の計算資源でフィードバックを提供しながら、パフォーマンスと信頼性の指標を示します。 最終的には、センサとAR/VRを組み合わせた今後の研究の方向性を提案する。 この研究は、技術資源と有効な青写真の両方を研究者、技術者、スポーツ科学者などに提供し、運動性能向上やその他の目的のために、同様の、または改善されたリアルタイムHPE分析システムを実装する。

関連論文リスト

• Towards Agentic Intelligence for Materials Science [73.4576385477731]
  この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。 コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
  論文  参考訳（メタデータ） (2026-01-29T23:48:43Z)
• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
  大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。 これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。 本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
  論文  参考訳（メタデータ） (2024-12-18T14:11:15Z)
• Real-time Monitoring and Analysis of Track and Field Athletes Based on Edge Computing and Deep Reinforcement Learning Algorithm [3.4836781982613534]
  本研究は,陸上競技選手のリアルタイムモニタリングと分析に焦点を当てた。 エッジコンピューティングとディープラーニングアルゴリズムを統合したIoT最適化システムを提案する。
  論文  参考訳（メタデータ） (2024-11-11T05:12:15Z)
• Efficient Human Pose Estimation: Leveraging Advanced Techniques with MediaPipe [5.439359582541082]
  本研究では,MediaPipeフレームワークを用いた人間のポーズ推定の大幅な向上について述べる。 この研究は精度、計算効率、リアルタイム処理能力の改善に焦点を当てている。 この進歩は、拡張現実、スポーツ分析、ヘルスケアに幅広く応用されている。
  論文  参考訳（メタデータ） (2024-06-21T21:00:45Z)
• PerfDetectiveAI -- Performance Gap Analysis and Recommendation in Software Applications [0.0]
  本稿では,ソフトウェアアプリケーションにおける性能ギャップ分析と提案のための概念的フレームワークPerfDetectiveAIを紹介する。 現代の機械学習(ML)と人工知能(AI)技術は、PerfDetectiveAIでパフォーマンス測定を監視し、ソフトウェアアプリケーションにおけるパフォーマンス不足の領域を特定するために使用されている。
  論文  参考訳（メタデータ） (2023-06-11T02:53:04Z)
• 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)
• A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
  本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。 我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。 我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
  論文  参考訳（メタデータ） (2020-11-17T22:24:26Z)

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。