論文の概要: FISICA: A Deployed Service for Plantar-Pressure and Posture Assessment with Ontology-Grounded Recommendation

• arxiv url: http://arxiv.org/abs/2608.29336v1
• Date: Sat, 29 Aug 2026 15:39:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.937353
• Title: FISICA: A Deployed Service for Plantar-Pressure and Posture Assessment with Ontology-Grounded Recommendation
• Title（参考訳）: FISICA:オントロジーを取り入れた植物環境評価・姿勢評価サービス
• Abstract要約: FISICA(フィシカ)は、実運用で運用されているボディアセスメントおよびレコメンデーションサービスである。 一般APIは0.023秒の中央値で応答し、植物圧解析は0.45秒、推奨値は2.16秒から2.26秒、規則に基づく部分は1秒以下である。
• 参考スコア（独自算出の注目度）: 1.4186847433696756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: FISICA is a body-assessment and recommendation service running in production. One standing session with two photographs returns foot-loading measures, posture coordinates, a driven 3D avatar, a visual report, and ranked shoe and exercise candidates. Measurement comes from a purpose-built scale carrying 634 force-sensitive elements on a 1 cm grid and four load cells, and a rule-based evaluator controls every recommendation while a language model only explains the stored result. The method contribution is the avatar. Instead of mapping a measured angle onto a rig through a tuned gain, we measure the avatar with the same function used on the subject and solve until the two agree, on a sampling-invariant spinal metric that separated a normal from a kyphotic record by 7.2 degrees against 0.9 degrees for a single-joint formulation. In production, general APIs respond at a 0.023 s median, plantar-pressure analysis at 0.45 s, and recommendation at 2.16 s to 2.26 s with the rule-based portion under one second in every trial. The served keypoint graph reaches 0.960 PCK@0.2 on public data, and the catalog holds 699 shoes with 10,500 typed facts. An approved study supplies the radiographic reference for the validation still ahead.
• Abstract（参考訳）: FISICA(フィシカ)は、実運用で運用されているボディアセスメントおよびレコメンデーションサービスである。 2枚の写真を持つ1つのスタンディングセッションは、足の装填対策、姿勢座標、駆動3Dアバター、ビジュアルレポート、そしてランク付けされた靴と運動候補を返します。 測定は、1cmのグリッドと4つのロードセルに634個の力に敏感な要素を持ち、ルールベースの評価器はすべてのレコメンデーションを制御し、言語モデルは保存された結果のみを説明する。 メソッドコントリビューションはアバターです。 測定された角度を利得の調整によりリグにマッピングする代わりに、被験者に使用したのと同じ関数でアバターを計測し、正常をキフォティックレコードから7.2度と0.9度に分離したサンプリング不変の脊髄メートル法で両者が一致するまで解決する。 プロダクションでは、ジェネラルAPIは0.023秒の中央値で応答し、プランタ圧解析は0.45秒、レコメンデーションは2.16秒から2.26秒、ルールベースの部分は1秒以下である。 提供されたキーポイントグラフは公開データで0.960 PCK@0.2に達し、カタログには10,500の型付き事実を持つ699の靴がある。 承認された研究は、まだ検証の放射線学的基準を提供する。

関連論文リスト

• K-Bench: measuring model performance on real scientific agent requests [0.0]
  K-Bench 01は、K-Dense Web上のライブユーザトラフィックからサンプリングされた一ターンリクエストから構築された評価である。 3人の盲目の言語モデル判事が8次元のルーリックに対して毎回得点した。 39,934点中47.6%が8点を下回った。
  論文  参考訳（メタデータ） (2026-08-21T20:06:08Z)
• The Evaluation Protocol Determines the Result: An Independent Reproduction of LeWorldModel on TwoRoom [0.0]
  LeModelは、予測損失と1つの反崩壊正規化器を備えた潜在世界モデルを訓練する。 約25ドル(約2万5000円)のレンタルコンピュータ上で、独立した再実装によってこれを再現し、1台のラップトップCPU上で全ての評価を行う。
  論文  参考訳（メタデータ） (2026-08-10T19:00:51Z)
• Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
  本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。 楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。 本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
  論文  参考訳（メタデータ） (2026-05-27T03:41:11Z)
• Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
  Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。 このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。 本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:14:20Z)
• ProImage-Bench: Rubric-Based Evaluation for Professional Image Generation [151.75112778479468]
  本研究では,技術記述から科学的に正確な図形を合成する必要がある専門的な画像生成について検討する。 実際の教科書やテクニカルレポートから収集した654個の図形に対して,詳細な画像指示と,精度を6,076の基準と44,131のバイナリチェックに分解するルーリックの階層を構築した。 ProImage-Bench上でいくつかの代表的なテキスト・ツー・イメージモデルをベンチマークし、オープンドメイン性能が強いにもかかわらず、最良のベースモデルは0.791の精度と0.553の基準スコアにしか達しないことを示した。
  論文  参考訳（メタデータ） (2025-12-13T07:13:43Z)
• Your Turn: At Home Turning Angle Estimation for Parkinson's Disease Severity Assessment [39.780728280324944]
  本稿では,ビデオから3Dスケルトンを抽出して回転角を自動的に定量化する深層学習手法を提案する。 我々は、24人の被験者から1386個のビデオクリップを回転させて、最先端の人間のポーズ推定モデルであるFastposeとStrided Transformerを利用する。 これは、一眼レフカメラデータを用いて、自宅のPD患者によるターンの定量化を行う最初の研究である。
  論文  参考訳（メタデータ） (2024-08-15T14:36:07Z)
• Rethinking pose estimation in crowds: overcoming the detection information-bottleneck and ambiguity [46.10812760258666]
  個人間の頻繁な相互作用は、ポーズ推定アルゴリズムの基本的な課題である。 ボトムアップ条件付きトップダウンポーズ推定と呼ばれる新しいパイプラインを提案する。 動物と人間のポーズ推定ベンチマークにおけるアプローチの性能と効率を実証する。
  論文  参考訳（メタデータ） (2023-06-13T16:14:40Z)
• MAPPING: Model Average with Post-processing for Stroke Lesion Segmentation [57.336056469276585]
  我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。 本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
  論文  参考訳（メタデータ） (2022-11-11T14:17:04Z)
• A Deep Learning-based Method to Extract Lumen and Media-Adventitia in Intravascular Ultrasound Images [3.2963079183841297]
  血管内超音波(IVUS)による冠動脈壁の直接の可視化が可能。 現在のセグメンテーションは、時間とユーザ依存のマニュアル操作に依存している。 本稿では,エンコーダ・デコーダ深層アーキテクチャを用いた深層学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-02-21T00:10:05Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Beyond Photometric Consistency: Gradient-based Dissimilarity for Improving Visual Odometry and Stereo Matching [46.27086269084186]
  本稿では,光度誤差の考え方に基づく画像の登録のための新しい指標について検討する。 ステレオ推定とビジュアルオドメトリーシステムの両方に統合し、典型的な相違と直接画像登録タスクに明確な利点を示す。
  論文  参考訳（メタデータ） (2020-04-08T16:13:25Z)

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。