論文の概要: Cross-Model Distillation of a Human-Pose Foundation Model from Unannotated Infant Video for Markerless 3D Pose Estimation

• arxiv url: http://arxiv.org/abs/2609.01840v1
• Date: Tue, 01 Sep 2026 20:17:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:17.982438
• Title: Cross-Model Distillation of a Human-Pose Foundation Model from Unannotated Infant Video for Markerless 3D Pose Estimation
• Title（参考訳）: マーカレス3次元空間推定のための無通知乳児ビデオからの人足基礎モデルのクロスモデル蒸留
• Abstract要約: サピエンス2ポーズモデルからSAM3Dボディモデルへのクロスモデル蒸留を行う。 ファインチューニングは、Sapiens参照と同じビュー2Dキーポイント合意を改善する。
• 参考スコア（独自算出の注目度）: 1.0195618602298682
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Spontaneous movement is one of the earliest windows onto an infant's neuromotor health, and structured clinical instruments that score it are validated early predictors of cerebral-palsy risk. However, they require specially trained raters, are time-consuming, and carry inter-rater variability. This motivates automated, video-based markerless assessment, especially as marker-based motion capture is impractical in infants. Yet the foundation models that make markerless capture possible are trained almost entirely on adults: our recent multi-view infant study found that no single model is jointly best, with strong 2D keypoint accuracy and direct 3D body recovery split across different models. While that study identifies this trade-off, it does not resolve it. Here, we perform cross-model distillation from the Sapiens 2 pose model into the SAM 3D Body model, using unannotated infant video alone. A frozen teacher supplies dense pseudo-labels, and a differentiable renderer aligns the predicted mesh to them in the training loop. On eleven held-out infants (18 sessions, 173 recordings) under our prior study's multi-view protocol, fine-tuning improves same-view 2D keypoint agreement with the Sapiens reference (median body percentage of correct keypoints @ 10px 0.22 -> 0.42, face 0.22 -> 0.42) and Procrustes-aligned mean per joint 3D position error (25.5 -> 22.2 mm). This demonstrates how cross-model distillation improves SAM 3D Body model performance on infants.
• Abstract（参考訳）: 自然運動は幼児の神経運動の健康に最も初期の窓の1つであり、脳卒中リスクの早期予測因子として評価される、構造化された臨床機器である。 しかし、これらは特別に訓練されたレーダを必要とし、時間がかかり、ラター間の可変性を持っている。 これは、特にマーカーベースのモーションキャプチャーが乳児にとって実用的でないため、自動化されたビデオベースのマーカーレスアセスメントを動機付けている。 しかし、マーカーレス捕獲を可能にする基礎モデルは、ほとんど完全に大人に訓練されている。最近のマルチビュー幼児調査では、強力な2Dキーポイント精度と、異なるモデルにまたがる直接の3Dボディリカバリによって、単一のモデルが最良ではないことが判明した。 この研究は、このトレードオフを識別するが、解決しない。 ここでは,サピエンス2ポーズモデルからSAM 3Dボディモデルへのクロスモデル蒸留を行う。 凍結された教師は、密集した擬似ラベルを供給し、識別可能なレンダラーは、トレーニングループで予測メッシュをそれらに整列させる。 先行研究のマルチビュープロトコルに基づく11人の乳幼児(18セッション,173記録)において、微調整によりサピエンス基準(正キーポイントの中間値@10px 0.22 -> 0.42, face 0.22 -> 0.42, Procrustes-aligned mean per joint 3D position error (25.5 -> 22.2 mm)と同等の2Dキーポイント合意が改善された。 このことは, 幼児のSAM 3Dボディモデルの性能が, クロスモデル蒸留により向上することを示す。

関連論文リスト

• Markerless Motion Capture for Biomechanical Whole-Body Kinematic Estimation in Infants [0.9332987715848714]
  本研究は,多視点モーションキャプチャーシステムを用いて記録された8人の幼児の13セッションについて,100ビデオの3つのポーズ推定フレームワークを体系的に評価した。 提案手法は,再投射誤差,幾何整合性,Procrustesの3次元位置誤差を用いてキーポイント検出精度を定量化し,逆運動フレームワークを幼児データに適用するための概念実証を行った。 本稿では, SAM 3D に適合する生体力学的モデルを用いて, 運動発達に関連する乳児の代表的運動パターンを, 臨床専門家が特定した事例比較例で示す。
  論文  参考訳（メタデータ） (2026-05-16T18:55:06Z)
• Reconstructing Humans with a Biomechanically Accurate Skeleton [55.06027148976482]
  本研究では,生体力学的に正確な骨格モデルを用いて,単一の画像から3次元人体を再構築する手法を提案する。 3次元メッシュ回復のための最先端の手法と比較して,我々のモデルは標準ベンチマーク上での競合性能を実現している。
  論文  参考訳（メタデータ） (2025-03-27T17:56:24Z)
• BioPose: Biomechanically-accurate 3D Pose Estimation from Monocular Videos [6.280386490530478]
  BioPoseは、モノクロビデオから直接、生体力学的に正確な3Dポーズを予測するための学習ベースのフレームワークである。 マルチクエリヒューマンメッシュリカバリモデル(MQ-HMR)、ニューラル・インバース・キネマティクス(NeurIK)モデル、および2Dインフォームド・ポーズ・リファインメント技術を含んでいる。 ベンチマークデータセットの実験では、BioPoseが最先端の手法を大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-01-14T02:56:19Z)
• Extending 3D body pose estimation for robotic-assistive therapies of autistic children [4.751886527142779]
  自閉症児を対象とした3次元ポーズ推定装置を開発した。 我々の手法は、この種のアプリケーションでは許容できる、0.3m$以下の誤差を持つ。 実際の設定では、提案モデルはKinectの奥行きカメラと同様に動作する。
  論文  参考訳（メタデータ） (2024-02-12T19:11:03Z)
• Semi-Supervised 2D Human Pose Estimation Driven by Position Inconsistency Pseudo Label Correction Module [74.80776648785897]
  i) 大規模モデルと軽量モデルの間で対話的なトレーニングを行う場合, 大規模モデルのガイドに擬似的な軽量モデルラベルを用いる。 位置整合性擬似ラベル補正モジュール(SSPCM)により駆動される半教師付き2次元ポーズ推定フレームワークを提案する。 学生モデルの性能向上のために,擬似キーポイント認識に基づく半教師付きカットオクルードを用いて,より硬く効果的なサンプルを生成する。
  論文  参考訳（メタデータ） (2023-03-08T02:57:05Z)
• Non-Local Latent Relation Distillation for Self-Adaptive 3D Human Pose Estimation [63.199549837604444]
  3次元ポーズ推定アプローチは、強い(2D/3Dポーズ)または弱い(複数ビューまたは深さ)ペアによる監督の異なる形態を利用する。 我々は3Dポーズ学習を,ラベル付きソースドメインから完全に損なわれないターゲットへのタスク知識の転送を目的とした,自己指導型適応問題として捉えた。 我々は、異なる自己適応設定を評価し、標準ベンチマークで最先端の3Dポーズ推定性能を示す。
  論文  参考訳（メタデータ） (2022-04-05T03:52:57Z)
• A Spatio-temporal Attention-based Model for Infant Movement Assessment from Videos [44.71923220732036]
  本研究では,短いクリップから抽出した人間のポーズを用いた新たなフィジット動作評価法を開発した。 人間のポーズは関節と手足の運動プロファイルのみをキャプチャし、無関係な外観の人工物は含まない。 実験の結果,提案手法はROC-AUCスコア81.87%を達成し,既存の競合手法よりも高い性能を示し,高い解釈性を示した。
  論文  参考訳（メタデータ） (2021-05-20T14:31:54Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Synthetic Training for Monocular Human Mesh Recovery [100.38109761268639]
  本稿では,RGB画像と大規模に異なる複数の身体部位の3次元メッシュを推定することを目的とする。 主な課題は、2D画像のすべての身体部分の3Dアノテーションを完備するトレーニングデータがないことである。 本稿では,D2S(Deep-to-scale)投影法を提案する。
  論文  参考訳（メタデータ） (2020-10-27T03:31:35Z)
• Invariant Representation Learning for Infant Pose Estimation with Small Data [14.91506452479778]
  合成乳児ポーズと合成乳幼児ポーズとを併用したハイブリッド合成乳幼児ポーズデータセットを作成した。 我々は,SyRIPデータセットでトレーニングしたモデルと同一ネットワーク構造を用いたアブレーション調査を行い,他の公立幼児ポーズデータセットでトレーニングしたモデルよりも顕著に改善したことを示した。 最新のDarkPoseモデルを用いた幼児のポーズ推定では、平均的精度(mAP)は93.6である。
  論文  参考訳（メタデータ） (2020-10-13T01:10:14Z)
• Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis [72.34794624243281]
  ラベルのないビデオフレームからバリエーションを分離する自己教師付き学習フレームワークを提案する。 3Dポーズと空間部分マップの表現ギャップを埋める、微分可能な形式化により、多様なカメラの動きを持つビデオで操作できる。
  論文  参考訳（メタデータ） (2020-04-09T07:55:01Z)

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。