論文の概要: A Machine Learning Framework for Real-Time Personalized Ergonomic Pose Analysis
- arxiv url: http://arxiv.org/abs/2606.12988v1
- Date: Thu, 11 Jun 2026 07:24:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.639355
- Title: A Machine Learning Framework for Real-Time Personalized Ergonomic Pose Analysis
- Title（参考訳）: リアルタイムパーソナライズされたエルゴノミクス解析のための機械学習フレームワーク
- Authors: Manex Atxa, Bruno Simoes, Julen Balzategui,
- Abstract要約: 本稿では,3次元映像データを用いた人間工学的・非人間工学的ポーズのリアルタイム予測手法を提案する。
この手法は人間工学的評価のために設計されたが、人間の姿勢のリアルタイム解析を必要とする他のアプリケーションに適用することができる。
- 参考スコア（独自算出の注目度）: 1.376408511310322
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a new methodology for real-time prediction of ergonomic and non-ergonomic human poses using volumetric video data in three dimensions. Although the methodology was designed for ergonomic assessments, it can be adapted to other applications requiring real-time analysis of human posture. One aspect that makes this system stand out is its ability to analyze 3D point clouds during the assessment, enabling computation from multiple angles. This overcomes a critical limitation of cameras which provide often a fixed viewpoint, thereby restricting the data available for a thorough postural evaluation, especially when occlusions occur. The system continuously and automatically performs pose inference using the chosen perspective on the real-time streaming data; however, only the poses manually selected and labeled by the user are used to train the personalized deep learning classifier. The methodology has been refined through a case study in which RGB-D cameras captured subjects performing load-lifting tasks, enabling real-time skeletal labeling. The model was trained on this data and, following the training phase, performs inference on new streaming data in real time. This research offers a scalable and pragmatic approach for real-time ergonomic evaluation by combining state-of-the-art 3D data technologies and traditional 2D pose estimation algorithms. It addresses the increasing need for safety and health monitoring in workplace environments, marking a notable contribution to the domain.
- Abstract（参考訳）: 本稿では,3次元映像データを用いた人間工学的・非人間工学的ポーズのリアルタイム予測手法を提案する。
この手法は人間工学的評価のために設計されたが、人間の姿勢のリアルタイム解析を必要とする他のアプリケーションに適用することができる。
このシステムを際立たせる1つの側面は、評価中に3次元点雲を解析し、複数の角度からの計算を可能にすることである。
これは、しばしば固定された視点を提供するカメラの限界を克服し、特に閉塞が発生した場合に、完全な姿勢評価のために利用可能なデータを制限する。
リアルタイムストリーミングデータに対して選択された視点を用いてポーズ推論を連続的かつ自動的に行うが、ユーザが手動で選択・ラベル付けしたポーズのみを使用してパーソナライズされたディープラーニング分類器を訓練する。
この手法は、RGB-Dカメラがローディング作業を行う被験者を捉え、リアルタイムの骨格ラベリングを可能にするケーススタディによって洗練されている。
このモデルは、このデータに基づいてトレーニングされ、トレーニングフェーズに従って、新しいストリーミングデータをリアルタイムで推論する。
この研究は、最先端の3Dデータ技術と従来の2Dポーズ推定アルゴリズムを組み合わせることで、リアルタイムエルゴノミクス評価のためのスケーラブルで実用的なアプローチを提供する。
職場環境における安全と健康の監視の必要性の高まりに対処し、ドメインへの顕著な貢献を示す。
関連論文リスト
- Human-level 3D shape perception emerges from multi-view learning [63.048728487674815]
任意のオブジェクトに対する人間の3次元形状推論を予測するためのモデリングフレームワークを開発する。
我々は、自然主義的な知覚データよりも視覚空間的目的を用いて訓練された新しいニューラルネットワークのクラスでこれを達成した。
人間のレベル3D知覚は、自然主義的な視覚空間データよりもシンプルでスケーラブルな学習目標から生まれる可能性がある。
論文 参考訳（メタデータ） (2026-02-19T18:56:05Z) - 3D Pose Nowcasting: Forecast the Future to Improve the Present [65.65178700528747]
本研究では,骨格関節の3次元位置を正確に把握するために,深度データを利用した新しい視覚ベースシステムを提案する。
本稿では,現在のポーズ推定精度を高めるため,提案システムの有効性を示すPose Nowcastingの概念を紹介する。
実験的な評価は2つの異なるデータセットで行われ、正確かつリアルタイムなパフォーマンスを提供する。
論文 参考訳（メタデータ） (2023-08-24T16:40:47Z) - A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented,
Temporal and Depth-aware design [77.34726150561087]
我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。
私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
論文 参考訳（メタデータ） (2023-03-08T01:29:55Z) - Live Stream Temporally Embedded 3D Human Body Pose and Shape Estimation [13.40702053084305]
ライブストリーム映像の精度と時間的整合性を改善するために,時間的に埋め込まれた3次元人体ポーズと形状推定法(TePose)を提案する。
マルチスケールの畳み込みネットワークを,3次元ラベリングを伴わないデータセットを用いた対人訓練のための運動判別器として提示する。
論文 参考訳（メタデータ） (2022-07-25T21:21:59Z) - 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) - Recovering 3D Human Mesh from Monocular Images: A Survey [49.00136388529404]
単眼画像から人間のポーズと形状を推定することは、コンピュータビジョンにおける長年の問題である。
本調査は, 単分子型3次元メッシュ回収の課題に焦点を当てた。
論文 参考訳（メタデータ） (2022-03-03T18:56:08Z) - Efficient Realistic Data Generation Framework leveraging Deep
Learning-based Human Digitization [0.0]
提案手法は、実際の背景画像として入力され、さまざまなポーズで人物を投入する。
対応するタスクのベンチマークと評価は、実データに対する補足として、合成データが効果的に使用できることを示している。
論文 参考訳（メタデータ） (2021-06-28T08:07:31Z) - A Kinematic Bottleneck Approach For Pose Regression of Flexible Surgical
Instruments directly from Images [17.32860829016479]
ロボットから提供される運動情報のみをトレーニング時に活用し、自己監督画像に基づく手法を提案する。
時間を要する手動アノテーションの導入を避けるため、問題は自動エンコーダとして定式化される。
本手法の検証は, 柔軟ロボット内視鏡を用いて, 半合成, 幻, および生体内データセットを用いて行った。
論文 参考訳（メタデータ） (2021-02-28T18:41:18Z) - Unsupervised Domain Adaptation with Temporal-Consistent Self-Training
for 3D Hand-Object Joint Reconstruction [131.34795312667026]
サイクル生成逆数ネットワーク(CycleGAN)内の3次元幾何学的制約を利用してこの問題に対処する効果的なアプローチを提案する。
既存のほとんどの研究とは対照的に、ドメイン適応モデルを自己管理的に微調整するために、短期的および長期的時間的整合性を強制することを提案する。
本研究では,3つのベンチマークを用いて,最先端の3Dハンドオブジェ共同再建手法を上回っていることを実証する。
論文 参考訳（メタデータ） (2020-12-21T11:27:56Z) - Self-supervision on Unlabelled OR Data for Multi-person 2D/3D Human Pose
Estimation [2.8802646903517957]
2D/3D人間のポーズ推定は手術室のための新しいインテリジェントなツールを開発するために必要である。
本稿では,教師/学生のフレームワークにおける知識蒸留を用いて,大規模な非注釈データセットに存在する知識を活用することを提案する。
この効果的なセルフスーパービジョン戦略を用いてトレーニングされた容易にデプロイ可能なネットワークは、公開MVORデータセットの拡張であるemphMVOR+の教師ネットワークと同等に実行される。
論文 参考訳（メタデータ） (2020-07-16T14:28:22Z) - 3D Human Pose Estimation using Spatio-Temporal Networks with Explicit
Occlusion Training [40.933783830017035]
近年の大きな進歩にもかかわらず、モノラルなタスクから3Dのポーズを推定することは依然として難しい課題である。
頑健な3次元ポーズ推定のための時間的ビデオネットワークを提案する。
本研究では,各フレームに2次元関節やキーポイントの予測,および3次元関節やキーポイントを推定するために,多段階の時間的畳み込みネットワーク(TCN)を適用した。
論文 参考訳（メタデータ） (2020-04-07T09:12:12Z)
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。