論文の概要: Frame-Synchronous Hand Gesture Detection by Projected Winding Order
- arxiv url: http://arxiv.org/abs/2609.13269v1
- Date: Mon, 07 Sep 2026 17:21:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.156678
- Title: Frame-Synchronous Hand Gesture Detection by Projected Winding Order
- Title（参考訳）: 投影巻線順序によるフレーム同期ハンドジェスチャ検出
- Abstract要約: 我々は、ある共通の運動に対する同期問題、その長い軸の上のオープンハンドの回転を考慮し、それが正確な解を持つことを示す。
正確な基底真理を持つコーパスに対して、クレーターは240の近距離配列において偽陽性のない95%のフリップを検出する。
発生した瞬間の平均6.7ms以内、手が観察される間隔の6分の1である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Gesture recognition on video is normally posed as classification: label each frame, then act on the label. That is adequate for control, where a command may be obeyed several frames late without a user noticing, and inadequate for synchronisation, where an output must be aligned to the frame on which the gesture physically occurred. We take the synchronisation problem for one common movement, the rotation of an open hand about its long axis, and show that it admits an exact solution needing no classifier, no training data and no calibration. Let s be the normalised two-dimensional cross product of the two palm edges at the wrist and the outer knuckles, under the projection the camera already performs. We prove that s factorises as k(theta)cos(theta) with |k| > 0 everywhere, so s vanishes exactly when the palm is edge-on and its sign tracks the face presented to the camera. Detection is therefore a zero crossing of one scalar, which yields an instant rather than an interval, and we prove the criterion invariant to image mirroring, hand scale and handedness, all from its algebraic form rather than from the landmark estimator. A two-handed interaction uses four fingertips as a window onto a restyled version of the same scene. We give a coverage predicate that stays correct when the hands cross, where the usual triangulation does not, and derive each free parameter of the three stylisation operators from a noise statistic rather than by inspection. Against a corpus with exact ground truth the criterion detects 95% of flips with no false positive in 240 near-miss sequences, and places each within 6.7 ms on average of the instant it occurred, a sixth of the interval at which the hand is observed, against 23.0 ms for reporting the bracketing sample. Reporting an event more finely than one samples follows from treating a gesture as the zero of a continuous quantity rather than a label.
- Abstract（参考訳）: ビデオ上のジェスチャー認識は通常、分類として扱われる: 各フレームにラベルを付け、それからラベルに振る舞う。
これは制御に適しており、ユーザが通知せずにコマンドが複数のフレームに遅れて従うことができ、同期に不適であり、ジェスチャーが物理的に発生したフレームに出力が整わなければならない。
1つの共通の運動の同期問題、その長い軸にオープンハンドを回転させること、そしてそれが分類器、訓練データ、校正を必要としない正確な解であることを示す。
カメラが既に実行しているプロジェクションの下で、手首と外側のナックルの2つの手のひら縁の通常の2次元の交差積とする。
我々は、s が k(theta)cos(theta) として |k| > 0 を至る所で分解していることを証明する。
したがって、検出は1つのスカラーのゼロ交差であり、間隔ではなく瞬時に発生するので、画像ミラーリングや手作業のスケール、手作業に不変な基準を、ランドマーク推定器からではなく代数的形式から証明する。
両手のインタラクションでは、4つの指先を同じシーンのリフォームされたバージョンのウィンドウとして使用します。
我々は,通常の三角法が通らない場合,手が交差する場合に正しい範囲の予測を行い,検査よりも騒音統計から3つのスタイル演算子の自由パラメータを導出する。
正確な根拠を持つコーパスに対して、クレーターは240個の近距離周期で偽陽性のないフリップの95%を検出し、各フリップは6.7ms以内、手が観察される間隔の6分の1はブラケットサンプルを報告するための23.0msである。
イベントを複数のサンプルより細かく報告することは、ラベルではなく連続的な量のゼロとしてジェスチャを扱います。
関連論文リスト
- CALIPER: Clean Scenes Cannot Rank Physical Inference in Pretrained Visual Representations [0.0]
物体がどれだけスライドするかは、その質量と摩擦に依存します。
物理学を推論するエンコーダと、そうでないエンコーダを区別できないことを示す。
論文 参考訳（メタデータ） (2026-09-08T04:49:42Z) - The Low Frequency Trap: Video Language Models Fail at Simple Event Bookkeeping [70.07961857926377]
3つの制御されたビデオタスクにおけるイベントカウントのためのトレーサグラウンドパラメトリックプロファイリングを導入する。
2,190本のビデオでは,レンダリングを保ちながらイベントカウントNと周波数Fが異なる。
80%の信頼性しきい値において、Gemini 3.6 Flashは、0.5Hzと1.0Hzの12イベントまでの永続的な状態遷移を確実にカウントするが、過渡的点滅イベントに対する信頼性の高い正カウント領域は示さない。
論文 参考訳（メタデータ） (2026-08-06T17:57:06Z) - KineFuse: Kinematic-Aware Haptic Fusion for In-Hand Occluded-Object Pose Tracking [18.013999575547427]
手で操作するには連続した6Dポーズトラッキングが必要だが、操作する指は必然的にカメラから物体を遮蔽する。
本研究は,多指ハンドで既に利用可能な疎発性触覚信号のプロセプション,近位力/トルク,二指接触などの構造について検討する。
キネマティック・アウェア・フィンガーレベル・エンコーダを提案し、3段階評価により4つの代替設計と体系的に比較する。
論文 参考訳（メタデータ） (2026-07-16T11:07:47Z) - Interaction Scaling: Grounding the Third Axis of Test-Time Compute [0.33451037881913753]
一つの変数がこの第3の軸を接地として支配し、ループの両側に保持しなければならないと論じる。
固定トークン予算でのハードコーディングタスクでは、推論のみとベストオブNの両方をサンプリングする。
提案手法は, ラン・ツー・ラン分散を伴わず, 100%パスレートに到達した。
論文 参考訳（メタデータ） (2026-07-13T14:22:06Z) - Empirical Evaluation of Multi-Modal Touch Detection in Over-the-Shoulder Video Surveillance [0.0]
キーパッドインタフェース上のキーストロークイベントを物理的操作から再構築するフレームワークの評価を行った。
我々は、相対的なタッチ座標を基準画面レイアウトにマッピングし、タイピングシーケンスを再構築する。
我々は,システムの動作エンベロープを特徴付けるため,アブレーション,分解能劣化,ノイズ感度,近接しきい値調整を行う。
論文 参考訳（メタデータ） (2026-06-28T17:05:56Z) - Mobile UMI: Cross-View Diffusion Policy with Decoupled Kinematics for Mobile Manipulation [4.311650365696827]
最近の手首搭載インタフェースはテーブルトップデータ収集のコストを下げるが、単一の手首ビューはベースナビゲーションに必要なグローバルなコンテキストを捉えない。
生成ポリシーは数百ミリ秒の推論遅延を導入します。
本稿では,3つのコンポーネント間のギャップに対処するハードウェアフリーなデモフレームワークであるMobile UMIを提案する。
論文 参考訳（メタデータ） (2026-05-20T08:33:53Z) - MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons [56.68975315643491]
本稿では,ビデオ・ツー・ローテーションとビデオ・ツー・ローテーションを共同で学習し,最適化する,最初のエンドツーエンドフレームワークを提案する。
本手法は, メッシュベースパイプラインの20倍の速度で, 回転誤差を17度から10度, 見えない骨格では6.54度に低減する。
論文 参考訳（メタデータ） (2026-04-30T17:16:38Z) - Chirality in Action: Time-Aware Video Representation Learning by Latent Straightening [54.66784646111214]
新しいタスク:カイラルな行動認識(chiral action recognition)を導入し、時間的に反対な行動のペアを区別する必要がある。
私たちのゴールは、これらのカイラルペア間の線形分離性を提供する、時間を考慮したビデオ表現を作ることです。
その結果、3つのデータセットにまたがって提案したタスクに対して,コンパクトだが時間に敏感なビデオ表現が得られることがわかった。
論文 参考訳（メタデータ） (2025-09-10T11:23:10Z) - No Identity, no problem: Motion through detection for people tracking [48.708733485434394]
本稿では,検出のみの監視を行いながら,動きの手がかりを利用する手法を提案する。
提案アルゴリズムは,2つの画像間の2次元運動推定とともに,2つの異なるタイミングで熱マップを検出する。
提案手法は,MOT17およびWILDTRACKデータセット上でのマルチターゲット・シングルビュー・マルチターゲット・トラッキングに対して,最先端の結果を提供する。
論文 参考訳（メタデータ） (2024-11-25T15:13:17Z) - Deformer: Dynamic Fusion Transformer for Robust Hand Pose Estimation [59.3035531612715]
既存の方法では、手のこもりが強かったり、ぼやけたりすると、手のポーズが難しい場合が多い。
ビデオでは、手の動きによって、片方のフレームに隠されたり、ぼやけたりして、手のさまざまな部分を観察することができる。
画像内の手の部分間の関係を暗黙的に推論するフレームワークであるDeformerを提案する。
論文 参考訳（メタデータ） (2023-03-09T02:24:30Z) - Supervision by Registration and Triangulation for Landmark Detection [70.13440728689231]
本稿では,マルチビュー映像を用いた教師なし手法である登録・三角測量(srt)による監視を行い,ランドマーク検出器の精度と精度を向上させる。
ラベルのないデータを活用することで、検出者は大量のラベルのないデータから自由に学べる。
論文 参考訳（メタデータ） (2021-01-25T02:48:21Z)
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。