Fugu-MT 論文翻訳(概要): MS-RFD: Multi-Signal Release Frame Detection in Hammer Throw from Reconstructed 3D Trajectories

論文の概要: MS-RFD: Multi-Signal Release Frame Detection in Hammer Throw from Reconstructed 3D Trajectories

arxiv url: http://arxiv.org/abs/2609.18260v1
Date: Wed, 16 Sep 2026 07:38:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-20 08:55:53.69608
Title: MS-RFD: Multi-Signal Release Frame Detection in Hammer Throw from Reconstructed 3D Trajectories
Title（参考訳）: MS-RFD:再構成3次元軌道からのハマースローにおける多信号放出フレーム検出
Abstract要約: ハンマー投げのための完全自動多信号解放フレーム検出(MS-RFD)法を提案する。提案手法は, 速度力学, 角速度遷移, 回転中心に対する半径距離, 放線後軌道線形性という4つの相補的運動信号を統合する。検出フレームで推定した放出パラメータから得られた投球距離推定誤差を用いてMS-RFDを評価する。
参考スコア（独自算出の注目度）: 10.401563529161107
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent advances in artificial intelligence and computer vision are reshaping sports performance analysis by enabling automated detection, tracking, and performance analysis. In hammer throw, performance is strongly determined by the kinematic conditions at release, particularly release speed, release angle, and release height. However, identifying the release instant from video typically requires manual frame-by-frame inspection, which is subjective and cumbersome in real-world training scenarios. In this paper, we present a fully automatic multi-signal release frame detection (MS-RFD) method for hammer throw using reconstructed 3D hammer trajectories. The proposed method integrates four complementary kinematic signals: speed dynamics, angular velocity transition, radial distance relative to the rotation center, and post-release trajectory linearity. These signals are fused to score and verify candidate release frames. MS-RFD is evaluated through the throwing-distance estimation error obtained from the release parameters estimated at the detected frame. An ablation study analyzes the contribution of each signal and compares alternative candidate selection strategies. The results show that speed dynamics and radial expansion provide the strongest signals for release frame detection, while angular velocity and post-release linearity provide smaller refinements.
Abstract（参考訳）: 人工知能とコンピュータビジョンの最近の進歩は、自動検出、追跡、パフォーマンス分析を可能にすることで、スポーツのパフォーマンス分析を再構築している。ハンマー投げでは, 放出時の運動条件, 特に放出速度, 放出角度, 放出高さによって, 性能が強く決定される。しかし、ビデオからすぐにリリースを特定するには、通常、実世界のトレーニングシナリオでは、主観的で面倒な、手動のフレームごとの検査が必要である。本稿では, 再構成3次元ハンマー軌道を用いたハンマー投球のための完全自動多信号解放フレーム検出法を提案する。提案手法は, 速度力学, 角速度遷移, 回転中心に対する半径距離, 放線後軌道線形性という4つの相補的運動信号を統合する。これらの信号は融合して、候補リリースフレームのスコアと検証を行う。検出フレームで推定した放出パラメータから得られた投球距離推定誤差を用いてMS-RFDを評価する。アブレーション研究は、各信号の寄与を分析し、代替候補選択戦略と比較する。その結果,速度力学と半径展開は解放フレーム検出に最強の信号を与える一方で,角速度と放線後の線形性はより小さな改善をもたらすことがわかった。

関連論文リスト

MotionDLO: Hybrid Event- and Frame-Based Tracking of Deformable Linear Objects [0.0]
我々は、時間的連続性と遅延の制限を克服するために特別に設計されたリアルタイムトラッキングフレームワークであるMotionDLOを紹介した。この手法は、イベントベースカメラの高時間分解能と空間性を利用して、コヒーレントポイントドリフト(CPD)アルゴリズムとセグメンテーションを組み合わせる。提案フレームワークはビデオシーケンス間でDLOインスタンスを確実に関連付け,ロボット操作タスクに対する堅牢な認識を可能にすることを実証する。
論文参考訳（メタデータ） (2026-08-23T12:53:13Z)
Stretch-ICP: A Continuous-Trajectory Registration and Deskewing Algorithm in Scenarios of Aggressive Motions [6.270809447204512]
不均一または滑りやすい地形における安定性の喪失は、極端な加速と角速度を引き起こす。メカニカルライダーと慣性測定ユニット(IMU)が丘を転がり落ちる様子を収録したTumbling-induced Gyroscope Saturationデータセットを紹介した。データセットには、類似データセットの最大4倍の角速度が含まれており、公開されている。
論文参考訳（メタデータ） (2026-05-17T05:13:18Z)
Event-based SLAM Benchmark for High-Speed Maneuvers [68.148886127117]
イベントベースのカメラはバイオインスパイアされたセンサーで、独立して、マイクロ秒の解像度で明るさの変化に非同期に反応する。既存のイベントベースのアプローチは、高速操作による動きのぼかしを緩和することに成功したが、多くの制限に悩まされた。イベントベースの状態推定のためのベンチマークフレームワークであるEvSLAMを導入する。
論文参考訳（メタデータ） (2026-04-27T04:36:41Z)
UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry [16.577608323279662]
UNRIOは、不確実性を認識したレーダー慣性オドメトリーシステムである。生のmmWaveレーダーIQ信号から直接エゴ速度を推定する。
論文参考訳（メタデータ） (2026-04-15T07:43:06Z)
Trace Anything: Representing Any Video in 4D via Trajectory Fields [98.85848134960172]
軌道場 (Trajectory Field) は、各フレーム内の各ピクセルに時間の連続した3次元軌跡関数を割り当てる密集写像である。我々は,1つのフィードフォワードパスで軌道場全体を予測するニューラルネットワークであるTrace Anythingを紹介する。私たちは、新しいプラットフォームからのデータを含む大規模な4Dデータに基づいて、Trace Anythingモデルをトレーニングしました。
論文参考訳（メタデータ） (2025-10-15T17:59:04Z)
EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
論文参考訳（メタデータ） (2025-03-14T13:15:54Z)
CorrDiff: Adaptive Delay-aware Detector with Temporal Cue Inputs for Real-time Object Detection [11.714072240331518]
CorrDiffは、リアルタイム検出システムの遅延問題に対処するために設計された。複数の将来のフレームに対するオブジェクトの位置を予測するために、実行時推定の時間的キューを利用することができる。あらゆる種類のデバイスにおいて、厳格なリアルタイム処理要件を満たす。
論文参考訳（メタデータ） (2025-01-09T10:34:25Z)
MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文参考訳（メタデータ） (2024-12-02T09:13:29Z)
Exploring Optical-Flow-Guided Motion and Detection-Based Appearance for Temporal Sentence Grounding [61.57847727651068]
テンポラルな文グラウンドディングは、与えられた文クエリに従って、意図しないビデオのターゲットセグメントをセマンティックにローカライズすることを目的としている。これまでのほとんどの研究は、ビデオ全体のフレーム全体のフレームレベルの特徴を学習することに集中しており、それらをテキスト情報と直接一致させる。我々は,光フロー誘導型モーションアウェア,検出ベース外観アウェア,3D認識オブジェクトレベル機能を備えた,動き誘導型3Dセマンティック推論ネットワーク(MA3SRN)を提案する。
論文参考訳（メタデータ） (2022-03-06T13:57:09Z)
Motion-from-Blur: 3D Shape and Motion Estimation of Motion-blurred Objects in Videos [115.71874459429381]
本研究では,映像から3次元の運動,3次元の形状,および高度に動きやすい物体の外観を同時推定する手法を提案する。提案手法は, 高速移動物体の劣化と3次元再構成において, 従来の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-11-29T11:25:14Z)
Unified Multi-Modal Landmark Tracking for Tightly Coupled Lidar-Visual-Inertial Odometry [5.131684964386192]
視覚,ライダー,慣性情報を協調的に最適化するモバイルプラットフォームのための効率的なマルチセンサ・オドメトリーシステムを提案する。ライダー点雲から3次元線と平面原始体を抽出する新しい手法を提案する。システムは、脚のあるロボットによる地下探査や、動的に動くハンドヘルドデバイスによる屋外スキャンなど、さまざまなプラットフォームやシナリオでテストされてきた。
論文参考訳（メタデータ） (2020-11-13T09:54:03Z)

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。