論文の概要: FIDAC: An Easy-to-use Pipeline to Extract and Interpret Interpersonal Distance From Video
- arxiv url: http://arxiv.org/abs/2607.25146v1
- Date: Mon, 27 Jul 2026 23:44:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.658101
- Title: FIDAC: An Easy-to-use Pipeline to Extract and Interpret Interpersonal Distance From Video
- Title（参考訳）: FIDAC:ビデオから対人距離を抽出し解釈する使いやすいパイプライン
- Abstract要約: 人間距離は、お互いの知覚に関する重要な情報を明らかにする。
我々は、FIDAC(Facial Intertance Analysis and Coding)というオープンソースライブラリを開発した。
FIDACは、顔検出結果を位置と対人距離に関する実行可能なデータに変換する。
- 参考スコア（独自算出の注目度）: 1.0705399532413615
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The distance between persons reveals significant information about their perception of each other. However, such information is not easily extractable and interpretable from video input. We developed an open-sourced library, Facial Interpersonal Distance Analysis and Coding (FIDAC) that transforms facial detection results into actionable data about location and interpersonal distance. This tool merges data from multiple open-source facial detection models, strategically compensating for gaps in any individual model. In addition, we include methods for more accurate tracking, such as a pipeline for human coding of the selection of faces and a benchmarking tool to reduce depth distortion. For next steps, we plan on building upon FIDAC by evaluating its effectiveness at measuring interpersonal distance at various depths and orientations while further integrating features of proxemic analysis such as synchrony into its software.
- Abstract（参考訳）: 人間距離は、お互いの知覚に関する重要な情報を明らかにする。
しかし、ビデオからの抽出や解釈は容易ではない。
我々は、顔検出結果を位置情報と対人距離に関する実行可能なデータに変換するオープンソースライブラリ、FIDAC(Facial Interpersonal Distance Analysis and Coding)を開発した。
このツールは、複数のオープンソースの顔検出モデルのデータをマージし、個々のモデルのギャップを戦略的に補償する。
また,顔の選択を人体でコーディングするためのパイプラインや,深度歪みを低減するためのベンチマークツールなど,より正確なトラッキング手法も備えている。
次のステップでは、様々な深さや方向の対人距離を測定する上での有効性を評価しつつ、同期などのプロキシ分析の特徴をソフトウェアに組み込むことにより、FIDACを基盤として構築する計画である。
関連論文リスト
- Zero-shot HOI Detection with MLLM-based Detector-agnostic Interaction Recognition [71.5328300638085]
Zero-shot Human-Object Interaction (HOI) は、画像中の人間と物体を特定し、その相互作用を認識することを目的としている。
2段階法を含む既存の手法は、特定の検出器との相互作用認識を密に結合する。
本稿では、オブジェクト検出をIRから分離し、マルチモーダル大言語モデル(MLLM)をゼロショットIRに活用する分離フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-16T19:01:31Z) - Deep Learning-Based Real-Time Sequential Facial Expression Analysis Using Geometric Features [1.0742675209112622]
本研究では,ディープラーニングと幾何学的特徴を用いたリアルタイム顔表情認識への新しいアプローチを提案する。
提案手法は,MediaPipe FaceMeshを用いて顔のランドマークの迅速かつ正確な検出を行う。
このアプローチはリアルタイム適用性を示し、コンシューマグレードのハードウェアで毎秒約165フレームを処理する。
論文 参考訳（メタデータ） (2025-12-05T12:26:31Z) - CorVS: Person Identification via Video Trajectory-Sensor Correspondence in a Real-World Warehouse [0.3386560551295746]
視覚追跡トラジェクトリとセンサ計測の対応に基づく新しいデータ駆動型人物識別手法であるCorVSを提案する。
深層学習モデルでは, 軌道とセンサのそれぞれの対について, 対応確率と信頼度を予測する。
そこで本研究では,実際の倉庫運用のためのデータセットを開発し,実世界のアプリケーションに対する手法の有効性を実証した。
論文 参考訳（メタデータ） (2025-10-30T11:14:17Z) - VILOD: A Visual Interactive Labeling Tool for Object Detection [0.0]
この論文は「VILOD:オブジェクト検出のためのビジュアルインタラクティブラベリングツール」を開発・研究している。
これによりユーザは、データ探索、モデル状態の解釈、AL提案、オブジェクト検出のための反復型HITLワークフロー内のさまざまなサンプル選択戦略の実装が可能になる。
この研究は、VILODで使用される異なる視覚誘導型ラベリング戦略が、競合するOD性能トラジェクトリをもたらすことを示した。
論文 参考訳（メタデータ） (2025-08-29T19:27:10Z) - I-MPN: Inductive Message Passing Network for Efficient Human-in-the-Loop Annotation of Mobile Eye Tracking Data [4.487146086221174]
本稿では,移動眼球追跡設定における物体の自動認識のための新しい人間中心学習アルゴリズムを提案する。
提案手法は,オブジェクト検出器と空間的関係を考慮した誘導型メッセージパッシングネットワーク(I-MPN)をシームレスに統合し,ノードプロファイル情報を活用し,オブジェクト相関を捉える。
論文 参考訳（メタデータ） (2024-06-10T13:08:31Z) - Video-based Pose-Estimation Data as Source for Transfer Learning in
Human Activity Recognition [71.91734471596433]
オンボディデバイスを用いたヒューマンアクティビティ認識(HAR)は、制約のない環境での特定の人間の行動を特定する。
これまでの研究は、トランスファーラーニングが、少ないデータでシナリオに対処するための良い戦略であることを実証した。
本稿では,人為的位置推定を目的としたデータセットを伝達学習の情報源として用いることを提案する。
論文 参考訳（メタデータ） (2022-12-02T18:19:36Z) - A Unified Comparison of User Modeling Techniques for Predicting Data
Interaction and Detecting Exploration Bias [17.518601254380275]
我々は,4つのユーザスタディデータセットの多種多様なセットにおいて,その性能に基づいて8つのユーザモデリングアルゴリズムを比較し,ランク付けする。
本研究は,ユーザインタラクションの分析と可視化のためのオープンな課題と新たな方向性を強調した。
論文 参考訳（メタデータ） (2022-08-09T19:51:10Z) - HighlightMe: Detecting Highlights from Human-Centric Videos [52.84233165201391]
我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。
本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。
我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
論文 参考訳（メタデータ） (2021-10-05T01:18:15Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - Spatio-Temporal Interaction Graph Parsing Networks for Human-Object
Interaction Recognition [55.7731053128204]
ビデオに基づくヒューマンオブジェクトインタラクションシーンでは、人間とオブジェクトの時間的関係をモデル化することが、ビデオに提示されるコンテキスト情報を理解するための重要な手がかりである。
実効時間関係モデリングでは、各フレームの文脈情報を明らかにするだけでなく、時間間の依存関係を直接キャプチャすることもできる。
外観特徴、空間的位置、意味情報のフル活用は、ビデオベースのヒューマンオブジェクトインタラクション認識性能を改善する鍵でもある。
論文 参考訳（メタデータ） (2021-08-19T11:57:27Z) - DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
人-物間相互作用(HOI)検出の課題に対処する。
既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。
本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
論文 参考訳（メタデータ） (2020-08-26T17:59:40Z)
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。