論文の概要: Recovering Biomechanical Signals from Missing Keypoints Using Temporal Interpolation in Monocular Gait Analysis
- arxiv url: http://arxiv.org/abs/2609.09670v1
- Date: Wed, 09 Sep 2026 03:37:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.887686
- Title: Recovering Biomechanical Signals from Missing Keypoints Using Temporal Interpolation in Monocular Gait Analysis
- Title（参考訳）: 単眼歩行解析における時間補間による欠測点からの生体力学的信号の復元
- Abstract要約: 足首のキーポイント不足条件下での膝角推定を評価し,回復機構として一階の時間的スキームを検証した。
以上の結果から,歩行信号の時間的冗長性は,致命的欠落した関節を回復するための単純で計算容易なスキームに十分であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Monocular pose estimation enables low-cost gait analysis but is sensitive to missing keypoints caused by occlusion, detection errors, or efficiency-driven model reduction. While prior work on recovering missing joints focuses on complex learned models, the effectiveness of simple temporal methods remains underexplored. We evaluate knee-angle estimation under a missing-ankle-keypoint condition and test a first-order temporal interpolation scheme as a recovery mechanism. Across 527 frames of monocular walking video (428 with valid baseline detections), removing the ankle keypoint increased mean angular error to 23.4° +/- 46.7° and collapsed signal variance to near zero. Temporal interpolation reduced error to 1.1° +/- 6.7° and restored variance and smoothness to within a few percent of baseline. These results indicate that gait signals possess sufficient temporal redundancy for a simple, computationally trivial interpolation scheme to recover a critical missing joint, without resorting to learned reconstruction models. The findings support low-complexity, real-time-compatible designs for gait analysis in resource-constrained or occlusion-prone monocular settings.
- Abstract（参考訳）: 単眼のポーズ推定は低コストの歩行分析を可能にするが、閉塞、検出エラー、効率駆動モデル縮小に起因するキーポイントの欠如に敏感である。
欠落した関節を回復する以前の研究は複雑な学習モデルに焦点を当てていたが、単純な時間的手法の有効性は未解明のままである。
足首のキーポイント不足条件下での膝角推定を評価し,回復機構としての1次時間補間スキームを検証した。
モノクラーウォーキングビデオの527フレーム(有効なベースライン検出を伴う428フレーム)では、足首キーポイントの除去により平均角誤差が23.4° +/- 46.7°に増加し、信号のばらつきがほぼゼロに近い。
時間的補間により誤差は1.1°+/- 6.7°に減少し、分散と滑らかさはベースラインの数パーセント以内まで回復した。
これらの結果から、歩行信号は、学習された再構成モデルに頼らずに、致命的な欠損関節を回復するために、単純で計算容易な補間スキームに十分な時間的冗長性を有することが示唆された。
これらの知見は,資源制約あるいは閉塞性単分子設定における歩行解析のための,低複雑でリアルタイム互換な設計をサポートする。
関連論文リスト
- Freezing of Gait Prediction Under Spatial Occlusion: An IMU-Supervised Cross-Modal Distillation Approach [0.0]
パーキンソン病(英: Parkinson disease)は、運動制御の段階的な低下を特徴とする進行性神経変性疾患である。
自動フリーズ・オブ・ゲイト(FOG)検出は歩行関連運動障害の客観的評価を支援する。
FOG予測には, (i) 患者の動作の映像記録を分析し, (ii) 下肢に装着した慣性計測装置(IMU) ウェアラブルセンサを用いて収集したデータを解析する。
ビデオベースのアプローチは、下肢が相当な幾何学的自己閉塞を受けており、ポーズ推定の精度が低下するため、連続的なターン・イン・プレイス・タスク中に検出エラーを被る可能性がある。
論文 参考訳（メタデータ） (2026-09-09T07:29:13Z) - Improving Spatio-Temporal Residual Error Propagation by Mitigating Over-Squashing [4.62541204592513]
本稿では,エラー関連自己回帰予測の時間的制限を克服する構造的不確実性モジュールであるTegerを紹介する。
Tegerはバックボーンに依存しないため、自己回帰エンコーダによって生成される潜伏状態のみを必要とする。
論文 参考訳（メタデータ） (2026-05-18T08:51:33Z) - Machine Learning-Augmented Acceleration of Iterative Ptychographic Reconstruction [56.83110460392765]
反復画像再構成アルゴリズムはコヒーレント・ディファレント・ディファレント・イメージングに広く用いられている。
本稿では, 反復的画像再構成を高速化する機械学習によるアプローチを提案する。
論文 参考訳（メタデータ） (2026-05-01T21:46:58Z) - PinPoint: Monocular Needle Pose Estimation for Robotic Suturing via Stein Variational Newton and Geometric Residuals [3.1332682125418074]
PinPointは手術針の位置と向きを推定するための確率的変動推論フレームワークである。
実際の針追跡シーケンスでは、PinPointは平均翻訳誤差を80%(1.00 mmまで)、回転誤差を78%(13.80まで)削減する。
単分子の曖昧さが最も重い誘導回転配列では、ピンポイントは2モーダル後部84%を維持している。
論文 参考訳（メタデータ） (2026-03-24T15:59:28Z) - Unstable Prompts, Unreliable Segmentations: A Challenge for Longitudinal Lesion Analysis [0.5537760992845262]
本稿では,ULS23セグメンテーションモデルの性能を経時的に検討する。
本報告では, スキャン間登録誤りによる経過観察におけるセグメンテーション品質の急激な低下と, その後の病変対応過程の崩壊の2つの重要な障害モードを同定した。
論文 参考訳（メタデータ） (2025-07-25T12:55:48Z) - Imputation of Missing Data in Smooth Pursuit Eye Movements Using a Self-Attention-based Deep Learning Approach [0.0]
本稿では,時系列に自己注意型Imputation Networkを用いた新しいImputationフレームワークを提案する。
我々は、スムーズな追従眼球運動シーケンスを表現するために、カスタムメイドのオートエンコーダを用いて、インプテッドデータを洗練する。
その結果,再建眼球運動系列の精度は有意に向上した。
論文 参考訳（メタデータ） (2025-05-31T13:10:30Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。
時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。
STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2024-03-14T02:26:10Z) - Provably Accelerating Ill-Conditioned Low-rank Estimation via Scaled
Gradient Descent, Even with Overparameterization [48.65416821017865]
この章では、スケールドグラデーション(ScaledGD)と呼ばれる新しいアルゴリズムアプローチを紹介します。
低ランク物体の条件数に依存しない定数速度で直線的に収束する。
様々なタスクに対して、勾配降下の低い摂動コストを維持できる。
論文 参考訳（メタデータ） (2023-10-09T21:16:57Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Anomaly Transformer: Time Series Anomaly Detection with Association
Discrepancy [68.86835407617778]
Anomaly Transformerは、6つの教師なし時系列異常検出ベンチマークで最先端のパフォーマンスを達成する。
Anomaly Transformerは、6つの教師なし時系列異常検出ベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-10-06T10:33:55Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z)
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。