論文の概要: SAGE-Yoga: Multi-Cue Learning for Yoga Pose Classification and Joint-Level Correction

• arxiv url: http://arxiv.org/abs/2609.20245v1
• Date: Tue, 28 Jul 2026 01:57:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.642447
• Title: SAGE-Yoga: Multi-Cue Learning for Yoga Pose Classification and Joint-Level Correction
• Title（参考訳）: SAGE-Yoga:Yoga Poseの分類と統合レベル補正のためのマルチキュー学習
• Abstract要約: SAGE-Yogaは単一のRGB画像からヨガポーズ分類と関節レベル補正のための統一的なフレームワークである。 ヨガ-82データセットの実験では、視覚的なアンサンブルが89.0%のTop-1精度を達成した。 その結果、相補的な視覚的証拠と選択的幾何的検証を組み合わせることで、きめ細かいポーズの分類が向上することが示された。
• 参考スコア（独自算出の注目度）: 9.339481034858794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated yoga analysis requires both accurate pose classification and interpretable feedback on pose execution. However, existing methods often rely on a single visual prediction, struggle to distinguish visually similar poses, and treat pose classification and correction as separate tasks. To address these limitations, we propose SAGE-Yoga, a unified coarse-to-fine framework for yoga pose classification and joint-level correction from a single RGB image. Inspired by how yoga instructors assess posture using multiple complementary cues, SAGE-Yoga first employs a bagging-based ensemble of complementary visual backbones to generate a ranked set of candidate pose classes. Additionally, a margin-based gating mechanism preserves confident visual predictions while invoking geometric verification only for ambiguous cases. Moreover, once the final pose class is determined, SAGE-Yoga retrieves a medoid reference pose and compares the observed joint angles with class-specific distributions to identify misaligned joints. Finally, these deviations are translated into actionable corrective feedback. Empirically, experiments on the Yoga-82 dataset show that the visual ensemble achieves 89.0% Top-1 accuracy, while the complete framework improves performance to 90.7% Top-1 accuracy and 90.1% Macro-F1. These results demonstrate that combining complementary visual evidence with selective geometric verification improves fine-grained pose classification while enabling interpretable, joint-level correction.
• Abstract（参考訳）: 自動ヨガ分析には、正確なポーズ分類と、ポーズ実行に対する解釈可能なフィードバックの両方が必要である。 しかし、既存の手法はしばしば単一の視覚的予測に依存し、視覚的に類似したポーズを区別するのに苦労し、ポーズの分類と修正を別々のタスクとして扱う。 これらの制約に対処するため、単一のRGB画像からヨガポーズ分類と関節レベルの補正を行うための統一された粗大きめのフレームワークであるSAGE-Yogaを提案する。 ヨガのインストラクターが複数の補完的手がかりを用いて姿勢を評価する方法に触発されて、SAGE-Yogaはまず、補完的な視覚的バックボーンのベージベースのアンサンブルを使用して、ランク付けされたポーズクラスを生成する。 さらに、マージンベースのゲーティング機構は、不明瞭なケースのみに幾何学的検証を呼び起こしながら、確実な視覚的予測を保っている。 さらに、最終ポーズクラスが決定されると、SAGE-Yogaはメドイド参照ポーズを検索し、観察された関節角とクラス固有の分布を比較して、不一致な関節を識別する。 最後に、これらの偏差は実用的な修正フィードバックに変換される。 実験的に、Yoga-82データセットの実験では、視覚的なアンサンブルが89.0%のTop-1精度を達成する一方、完全なフレームワークはパフォーマンスを90.7%のTop-1精度と90.1%のMacro-F1に改善している。 これらの結果は,相補的な視覚的証拠と選択的幾何的検証を組み合わせることで,解釈可能な関節レベルの補正を可能にしつつ,きめ細かなポーズの分類を改善することを示した。

関連論文リスト

• Integrating Skeleton Based Representations for Robust Yoga Pose Classification Using Deep Learning Models [0.0]
  既存のデータセットの制限に対処する、キュレートされたデータセット「Yoga-16」を導入する。 3つの入力モダリティ(直接画像,MediaPipe Poseスケルトン画像,YOLOv8 Poseスケルトン画像)を用いて3つのディープラーニングアーキテクチャ(VGG16, ResNet50, Xception)を体系的に評価した。 実験により、骨格ベースの表現は生画像入力より優れており、VGG16とMediaPipe Poseの骨格入力で96.09%の精度で達成されている。
  論文  参考訳（メタデータ） (2025-11-29T18:00:33Z)
• Exploring the Use of Contrastive Language-Image Pre-Training for Human Posture Classification: Insights from Yoga Pose Analysis [0.6524460254566905]
  本研究では,人間の姿勢の分類におけるコントラスト言語-画像事前訓練(CLIP)の有効性を評価することを目的とする。 82のクラスを持つ15,301の画像(実画像と合成画像)に転写学習を適用することで、有望な結果が得られた。 3826イメージでテストされた微調整のCLIPモデルは、85%以上の精度を実現している。
  論文  参考訳（メタデータ） (2025-01-13T11:20:44Z)
• EnsIR: An Ensemble Algorithm for Image Restoration via Gaussian Mixture Models [70.60381055741391]
  画像復元の課題は、説明された問題に関連し、単一のモデル予測と地道のずれをもたらす。 アンサンブル学習は、複数のベースモデルの予測を組み合わせることで、これらの偏差に対処することを目的としている。 我々は予測候補のアンサンブル重みを推定するために予測(EM)に基づくアルゴリズムを用いる。 我々のアルゴリズムは、モデルに依存しない訓練不要であり、様々なトレーニング済み画像復元モデルのシームレスな統合と強化を可能にする。
  論文  参考訳（メタデータ） (2024-10-30T12:16:35Z)
• AlignZeg: Mitigating Objective Misalignment for Zero-shot Semantic Segmentation [123.88875931128342]
  ゼロショット視覚認識の性能を損なう深刻な問題は、客観的なミスアライメントと呼ばれる。 セグメンテーションパイプラインを包括的に改善したAlignZegという新しいアーキテクチャを提案する。 実験によると、AlignZegはゼロショットセマンティックセマンティックセグメンテーションを著しく強化している。
  論文  参考訳（メタデータ） (2024-04-08T16:51:33Z)
• A View Independent Classification Framework for Yoga Postures [2.922683311119656]
  我々は、ランダムフォレスト分類器を訓練するために、身体全体に広がる136個のキーポイントを抽出するために、ヒューマンポーズ推定モデルからの転写学習を採用する。 その結果,4つの異なるカメラアングルから51人の被験者が収集した大規模なヨガ映像データベースを用いて評価を行った。
  論文  参考訳（メタデータ） (2022-06-27T18:40:34Z)
• Learning What Not to Segment: A New Perspective on Few-Shot Segmentation [63.910211095033596]
  近年では、FSS ( few-shot segmentation) が広く開発されている。 本稿では,問題を緩和するための新鮮で直接的な知見を提案する。 提案されたアプローチのユニークな性質を踏まえて、より現実的で挑戦的な設定にまで拡張する。
  論文  参考訳（メタデータ） (2022-03-15T03:08:27Z)
• FixMyPose: Pose Correctional Captioning and Retrieval [67.20888060019028]
  本稿では,自動ポーズ修正システムに対応する新しいキャプションデータセットfixmyposeを提案する。 我々は「現在の」ポーズを「ターゲット」ポーズのように見えるように修正する記述を収集する。 MLバイアスを避けるため、さまざまな階層を持つキャラクタ間のバランスを維持します。
  論文  参考訳（メタデータ） (2021-04-04T21:45:44Z)
• Unsupervised Landmark Learning from Unpaired Data [117.81440795184587]
  教師なしランドマーク学習の最近の試みは、外観は似ているがポーズでは異なる合成画像対を活用する。 本稿では,2回スワッピング・リコンストラクション・ストラテジーを適用して最終監視を行うクロスイメージ・サイクル整合性フレームワークを提案する。 提案するフレームワークは,強いベースラインを大きなマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-06-29T13:57:20Z)
• Yoga-82: A New Dataset for Fine-grained Classification of Human Poses [46.319423568714505]
  82クラスからなる大規模ヨガポーズ認識のためのデータセットYoga-82を提案する。 Yoga-82は、細かいアノテーションができない複雑なポーズで構成されている。 データセットには、体の位置、体の位置の変化、実際のポーズ名を含む3レベル階層が含まれている。
  論文  参考訳（メタデータ） (2020-04-22T01:43:44Z)

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。