論文の概要: IMU-HOI: A Symbiotic Framework for Coherent Human-Object Interaction and Motion Capture via Contact-Conscious Inertial Fusion

• arxiv url: http://arxiv.org/abs/2606.28604v1
• Date: Fri, 26 Jun 2026 20:52:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.617333
• Title: IMU-HOI: A Symbiotic Framework for Coherent Human-Object Interaction and Motion Capture via Contact-Conscious Inertial Fusion
• Title（参考訳）: IMU-HOI:接触型慣性核融合による人間-物体相互作用とモーションキャプチャのための共生フレームワーク
• Authors: Lizhou Lin, Songpengcheng Xia, Zengyuan Lai, Lan Sun, Jiarui Yang, Ling Pei,
• Abstract要約: 慣性測定ユニット(IMU)は、視線要求のない魅力的な代替手段を提供する。 既存のIMUベースのモーションキャプチャは、孤立した人間を仮定し、オブジェクトの接触やダイナミクスを無視する。 IMU-HOIは全身の人間のポーズと6-DoFオブジェクトの軌跡を体と物体のスパースIMUから共同で回収する新しいフレームワークである。
• 参考スコア（独自算出の注目度）: 10.990146444777857
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Capturing full-body human motion with object interactions is crucial for AR/VR and robotics applications, yet it remains challenging for conventional vision-based methods due to occlusions and constrained capture volumes. Inertial measurement units (IMUs) offer a compelling alternative without line-of-sight requirements, but existing IMU-based motion capture assumes an isolated human and ignores object contacts and dynamics. To bridge this gap, we present IMU-HOI, a novel framework that jointly recovers full-body human pose and 6-DoF object trajectory from sparse IMUs on the body and object, explicitly modeling human-object interaction. Our approach first infers probabilistic hand-object contacts directly from IMU streams and uses them as a high-level signal to route between kinematic and inertial reasoning. These contact cues drive a three-stage fusion pipeline that refines human pose and root translation, and fuses hand-based forward kinematics with object-IMU integration for object motion, yielding coherent, drift-resilient trajectories for both human and object. Experiments on challenging human-object interaction scenarios demonstrate substantial accuracy gains over prior inertial motion capture methods. Moreover, IMU-HOI can be plugged into existing sparse-IMU mocap backbones with minimal changes, effectively extending the scope of purely inertial motion capture from isolated humans to full human-object interaction and joint motion estimation.
• Abstract（参考訳）: 物体との相互作用で全身の人間の動きを捉えることは、AR/VRやロボティクスの応用には不可欠だが、閉塞や拘束された捕獲量のため、従来の視覚に基づく手法では依然として困難である。 慣性測定ユニット(IMU)は、視線要求のない魅力的な代替手段を提供するが、既存のIMUベースのモーションキャプチャーは、孤立した人間を仮定し、物体の接触やダイナミクスを無視する。 このギャップを埋めるために,人体と物体のスパースIMUから全身のポーズと6-DoFオブジェクトの軌跡を共同で復元する新しいフレームワークIMU-HOIを提案する。 提案手法はまず,IMUストリームから直接確率的ハンドオブジェクト接触を推定し,運動論的推論と慣性推論の間を行き来する高レベル信号として利用する。 これらの接触キューは、人間のポーズと根の翻訳を洗練させる3段階の融合パイプラインを駆動し、物体運動のための物体-IMU統合と手動の前方運動学を融合させ、人間と物体の両方にとって一貫性があり、ドリフト耐性のある軌道をもたらす。 課題となる人間と物体の相互作用のシナリオに関する実験は、従来の慣性モーションキャプチャー法よりもかなり精度が高いことを示す。 さらに、IMU-HOIは、最小限の変更で既存のスパースIMUモキャップのバックボーンに差し込むことができ、孤立したヒトからの純粋慣性運動キャプチャの範囲を、完全な人間と物体の相互作用と関節運動の推定にまで拡張することができる。

関連論文リスト

• MOCHI: Motion Enhancement of Collaborative Human-object Interactions [9.360852329235477]
  協調的な人間と物体の相互作用は、参加者と共有対象との相互予測と継続的な調整を必要とする複雑な動きを示す。 ノイズの多いMHOIデータを改善するための2段階フレームワークであるMOCHIを提案する。 提案手法は,まず,雑音の多い身体入力から手の動きを最適化し,身体のポーズとセマンティックに整合した手の動きを生成する。 最適化の過程では,人・物・人・人のインタラクション情報を,これら1対1で符号化する最適化手法を導入する。
  論文  参考訳（メタデータ） (2026-06-16T17:58:44Z)
• HOIGS: Human-Object Interaction Gaussian Splatting [23.156838849980847]
  複雑な人間とオブジェクトの相互作用で動的なシーンを再構築することは、コンピュータビジョンとグラフィックスの根本的な課題である。 本研究では,人間と物体間の相互作用による変形をモデル化したHuman-Object Interaction Gaussian Splatting (HOIGS)を提案する。 我々の手法は、最先端の人間中心と4Dガウスのアプローチを一貫して上回る。
  論文  参考訳（メタデータ） (2026-04-05T08:27:28Z)
• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• CoopDiff: Anticipating 3D Human-object Interactions via Contact-consistent Decoupled Diffusion [62.93198247045824]
  3Dヒューマンオブジェクトインタラクション(HOI)は,人間の将来の動きとその操作対象を,歴史的文脈で予測することを目的としている。 そこで我々は,人間と物体の運動モデリングを分離するために,2つの異なる分岐を用いた接触非結合拡散フレームワークCoopDiffを提案する。
  論文  参考訳（メタデータ） (2025-08-10T03:29:17Z)
• I'M HOI: Inertia-aware Monocular Capture of 3D Human-Object Interactions [42.87514729260336]
  イムホイ(I'm-HOI)は、人間と物体の両方の3Dの動きを、新しい環境で忠実に捉えようとするモノクラースキームである。 一般的な動き推論とカテゴリー認識の洗練を兼ね備えている。 私たちのデータセットとコードはコミュニティにリリースされます。
  論文  参考訳（メタデータ） (2023-12-10T08:25:41Z)
• Controllable Human-Object Interaction Synthesis [77.56877961681462]
  本研究では,3次元シーンにおける同期物体の動きと人間の動きを生成するための制御可能な人間-物体相互作用合成(CHOIS)を提案する。 ここでは,高レベルな計画から効果的に抽出できるスタイルや意図を言語記述が通知し,シーン内の動きをグラウンド化する。 我々のモジュールは経路計画モジュールとシームレスに統合され、3D環境における長期的相互作用の生成を可能にします。
  論文  参考訳（メタデータ） (2023-12-06T21:14:20Z)
• InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
  関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。 そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-27T14:32:33Z)
• Transformer Inertial Poser: Attention-based Real-time Human Motion Reconstruction from Sparse IMUs [79.72586714047199]
  本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。 提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
  論文  参考訳（メタデータ） (2022-03-29T16:24:52Z)

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。