論文の概要: GaitVista: Reliability-Aware AI Measurement toward Accessible Longitudinal Gait Assessment
- arxiv url: http://arxiv.org/abs/2609.22619v1
- Date: Fri, 18 Sep 2026 22:11:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:03.884847
- Title: GaitVista: Reliability-Aware AI Measurement toward Accessible Longitudinal Gait Assessment
- Title（参考訳）: GaitVista: アクセシブルな縦歩数評価に向けた信頼性を考慮したAI計測
- Abstract要約: textscGaitVistaは、カメラカバレッジ、局所的な視覚的品質、モーダル間の不一致、ルートモーション連続性を使用して、共同およびフレーム固有の視覚的コントリビューションを割り当てる。
textscGaitVista は、textbf27.7% と textbf27.8% で、平均的なフルボディエラーとローボディエラーを減らす。
- 参考スコア（独自算出の注目度）: 2.5361601273217973
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tracking recovery of walking function requires detecting meaningful gait change across rehabilitation sessions, yet objective 3D measurement remains confined to specialized motion-capture laboratories. Small camera sets and body-worn inertial sensors broaden access, but reliability varies across joints and time, allowing sensing failures to masquerade as patient change. We present \textsc{GaitVista}, a reliability-aware measurement layer whose lightweight gate assigns joint- and frame-specific visual contributions using camera coverage, local visual quality, cross-modal disagreement, and root-motion continuity, and exposes them for inspection. Across seven clean and degraded sensing conditions on TotalCapture, \textsc{GaitVista} reduces average full-body and lower-body error by \textbf{27.7\%} and \textbf{27.8\%}, attains the lowest worst-condition error among fusion methods, and reduces the gap to a joint-frame oracle from $2.76$--$5.33$~cm for condition-blind baselines to $1.11$~cm. On MoVi with image-derived keypoints, it is the only deployable fusion method to improve over both unimodal streams, reducing marker-supported error by \textbf{6.4\%} relative to the strongest learned fusion baseline. On TotalCapture, it improves bilateral knee-flexion waveform accuracy by \textbf{18.9\%}. Raw inertial measurements from five TotalCapture participants show location- and time-varying magnetic disturbance, supporting the design's reliability premise. Both benchmarks contain neurologically healthy participants in controlled settings and retain participant-specific IMU calibration; we therefore report progress toward accessible gait assessment, not validated clinical deployment.
- Abstract（参考訳）: 歩行機能の回復には、リハビリテーションセッション全体において意味のある歩行変化を検出する必要があるが、客観的な3次元計測は特殊なモーションキャプチャー実験室に限られている。
小さなカメラセットと体に装着した慣性センサーはアクセスを拡大するが、信頼性は関節や時間によって異なり、患者の変化によって検知障害がマスクレードされる。
本稿では、カメラカバレッジ、局所的な視覚的品質、モーダル間の不一致、ルートモーション連続性を用いて、軽量ゲートがジョイントおよびフレーム固有の視覚的コントリビューションを割り当てる信頼性の高い測定層である‘textsc{GaitVista} を提示し、それらを検査するために公開する。
TotalCapture上の7つのクリーンで劣化した検知条件の中で、 \textsc{GaitVista} は、平均的な全体エラーと下体エラーを \textbf{27.7\%} と \textbf{27.8\%} で減らし、融合メソッドの中で最悪の条件エラーを達成し、条件ブラインドベースラインに対して2.76$-$5.33$~cm から2.76$-$5.33$〜cm に減らした。
画像由来のキーポイントを持つMoViでは、最強の融合ベースラインに対して、マーカーサポートされたエラーをtextbf{6.4\%} で削減し、両方のアンモダルストリームを改善するための唯一のデプロイ可能な融合方法である。
TotalCaptureでは、両側膝屈曲波形の精度を \textbf{18.9\%} で改善する。
5人のTotalCapture参加者による生慣性測定は、位置変化と時間変化による磁気障害を示し、設計の信頼性の前提を支持している。
いずれのベンチマークも、制御された設定における神経学的に健全な参加者を含み、参加者固有のIMU校正を維持しており、臨床展開の検証は行われていないが、アクセス可能な歩行評価への進展を報告している。
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) - Supervised Cross-Modal Feature Alignment for Zero-Wearable Freezing of Gait Detection in Parkinsonism [0.0]
パーキンソン病における歩行凍結(FoG)の客観的評価は主にウェアラブル慣性計測装置(IMU)に依存している
本稿では,これらの物理観測限界を解決するために,教師付きクロスモーダルサブスペース蒸留フレームワークを提案する。
最適化の間、IMUセンサーからの事前トレーニングされたキネマティックデータと文脈的臨床メタデータは、デプロイ可能なビジュアルアーキテクチャを導くためのオラクルとして機能する。
論文 参考訳（メタデータ） (2026-09-08T06:40:50Z) - Spatial-Aware Reduction Framework: Towards Efficient and Faithful Visual State Space Models [71.59431204970339]
STORMは空間対応のトークン還元フレームワークである。
空間単位上の構造演算に還元を再構成する。
様々なビジョンのMambaバックボーンにまたがって最先端のプルーニング精度を実現する。
論文 参考訳（メタデータ） (2026-06-18T08:31:11Z) - Measurement-Calibrated Multi-Camera Fusion for Vision-Based Indoor Localization [0.0]
本研究は,マルチカメラデータ融合のキャリブレーションと最適化のために,単一カメラのローカライゼーション誤差を明示的に特徴付けることができるかどうかを検討する。
本稿では, 成分的誤差, 特にホモグラフィの校正, 人体検出, モーショントラッキングを分離する, 測定校正融合手法を提案する。
実験結果から,データ融合は単一カメラベースラインに比べて局所化精度が向上することが示された。
論文 参考訳（メタデータ） (2026-06-11T15:56:02Z) - When Eyes Betray AI: Social Gaze Consistency as a Semantic Cue for AI-Generated Image Detection [12.446807294893638]
本稿では,視線方向の相互コヒーレンス,頭部アライメント,対人関係の瞳孔配置として定義された高レベルの意味的キューであるソーシャル・ゲイズ・コンシステンシーを紹介する。
既存の低レベルパラダイムに対して,これまで未利用であった検出軸を構成することを示す。
4ステップのアカウントでは、単一インパインター(FLUX.1-Fill)のトレーニングがマルチジェネレータスイートに移行した理由が説明されている。
論文 参考訳（メタデータ） (2026-05-26T17:50:17Z) - Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。
損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。
視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。
言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
論文 参考訳（メタデータ） (2026-03-20T02:07:10Z) - LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。
本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。
texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
論文 参考訳（メタデータ） (2026-02-19T16:45:38Z) - W-HMR: Monocular Human Mesh Recovery in World Space with Weak-Supervised Calibration [57.37135310143126]
モノクロ画像からの3次元運動回復のための従来の手法は、カメラ座標に依存するため、しばしば不足する。
W-HMRは、身体の歪み情報に基づいて「適切な」焦点長を予測する弱教師付き校正法である。
また,世界空間における可視的再構築のために,身体の向きを補正する OrientCorrect モジュールを提案する。
論文 参考訳（メタデータ） (2023-11-29T09:02:07Z)
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。