論文の概要: Training-Free Hold-Usage Detection in Sport Climbing with Foundation Pose Models

• arxiv url: http://arxiv.org/abs/2609.30026v1
• Date: Thu, 24 Sep 2026 16:00:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.073435
• Title: Training-Free Hold-Usage Detection in Sport Climbing with Foundation Pose Models
• Title（参考訳）: 基礎詩モデルを用いたスポーツクライミングにおける無トレーニングホールド・ユース検出
• Abstract要約: 凍結したオフザシェルフポーズ基礎モデルで十分であることを示す。 登山訓練なしでホールドの使用を検知する。
• 参考スコア（独自算出の注目度）: 0.981328290471248
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting which holds a climber uses, and when, underpins automated scoring, movement analysis, and assistive systems for sport climbing. Existing approaches train task-specific models or repurpose 2D pose estimators whose hand keypoint sits at the wrist and foot keypoint at the ankle i.e. offset from the fingertips and toes that actually contact the holds, and whose hands are occluded in roughly half of all frames. We show that a frozen, off-the-shelf pose foundation model is sufficient: using the fingertip and toe keypoints of Sapiens, a per-frame proximity test against the annotated holds, per-limb mutual exclusion, and a short temporal-persistence rule, we detect hold usage without any climbing-specific training. On the The Way Up dataset (22 videos, 10 athletes, two routes), our method reaches an event F_1 of 90.2% on a held-out split (89.8% under leave-one-participant-out cross-validation) and 79.9% over all 22 videos at any temporal overlap, and performs best on footholds (F_1,89.8% overall, 96.6% held-out). Under an identical protocol it exceeds our reproductions of the YOLOv8-pose and ViTPose pipelines at every temporal threshold, with the margin widening under strict timing. An ablation shows that two intuitively helpful additions---dense foundation-feature change gating and body-part segmentation---both hurt, arguing that a minimal, keypoint-only design is the right one for this task. Finally, standard coaching statistics computed from our automatic predictions track ground truth closely (Pearson r=1.00 for climb time, 0.94 for pace), turning ordinary single-camera video into reliable performance metrics with no instrumentation.
• Abstract（参考訳）: 登山者の保持する場所を検知することは、自動スコアリング、運動分析、スポーツクライミングの補助システムを支える。 既存のアプローチでは、手首と足首のキーポイント、つまり指先と実際に接触するつま先からオフセットし、手はすべてのフレームのほぼ半分に隠されている。 サピエンスの指先とつま先キーポイント、アノテートホールドに対するフレームごとの近接試験、リムごとの相互排除、および短い時間的パーシステンスルールを用いることで、クライミング固有のトレーニングなしでホールドの使用を検出する。 The Way Upデータセット(22本のビデオ、10人のアスリート、2ルート)では、私たちの方法では、ホールトアウトスプリット(89.8%が離脱・ワン・パーティーアウト・クロスバリデーション)で90.2%のイベントF_1に到達し、22本すべてのビデオの79.9%がタイムオーバーラップし、フットホルダー(F_1,89.8%、総合96.6%がホールトアウト)で最善を尽くしている。 同じプロトコルの下では、時間しきい値ごとにYOLOv8-poseとViTPoseパイプラインを再現し、マージンは厳格なタイミングで拡大します。 アブレーションは、2つの直感的に有用な追加、すなわち、基礎的な変更のゲーティングとボディ部分のセグメンテーションが、どちらも問題であり、最小限のキーポイントのみの設計が、このタスクにとって正しいものである、と論じている。 最後に、我々の自動予測から計算した標準コーチング統計は、地上の真実を綿密に追跡する(Pearson r=1.00、Pearson r=1.00、Pearson 0.94、Pearson 0.94)。

関連論文リスト

• 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)
• STEAM: Self-Supervised Temporal Ensemble Advantage Modeling for Real-World Robot Learning [76.76959348575764]
  政策学習には、信頼できる局所的な進歩と失敗と回帰を区別するフレームレベルのアドバンテージが必要です。 本稿では,専門家による実証からこのような利点を学習するラベルフリー手法であるSTEAM(Self-supervised Temporal Ensemble Advantage Modeling)を提案する。
  論文  参考訳（メタデータ） (2026-06-29T06:19:35Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Predicting Penalty Kick Direction Using Multi-Modal Deep Learning with Pose-Guided Attention [0.0]
  本研究では,ボール接触前のペナルティキックの方向を予測するためのリアルタイム・マルチモーダル深層学習フレームワークを提案する。 755ペナルティキックイベントのカスタムデータセットは、実際のマッチビデオから作成され、オブジェクト検出、シューターキーポイント、ファイナルボール配置のためのフレームレベルのアノテーションが提供されている。 このモデルはホールドアウトテストセットで89%の精度を達成し、視覚のみのベースラインとポーズのみのベースラインを14-22%上回った。
  論文  参考訳（メタデータ） (2025-09-30T11:02:59Z)
• Video-based automatic lameness detection of dairy cows using pose estimation and multiple locomotion traits [0.0]
  歩行牛のビデオから9つのキーポイントの動きを抽出した。 キーポイントの軌跡は6つの移動特性を計算するのに使われた。 3つの重要な特徴は、背姿勢測定、頭部ボビング、追跡距離であった。
  論文  参考訳（メタデータ） (2024-01-10T14:56:54Z)
• Refining Pre-Trained Motion Models [56.18044168821188]
  我々は、自己教師付きトレーニングによる最先端の教師付きモデルの改善に挑戦する。 実世界の未学習ビデオから「クリーン」な訓練信号を得ることに重点を置いている。 本研究では,本手法が実動画における完全教師付き手法よりも信頼性が高いことを示す。
  論文  参考訳（メタデータ） (2024-01-01T18:59:33Z)
• FenceNet: Fine-grained Footwork Recognition in Fencing [84.19619219240859]
  FenceNetは、フェンシングにおけるきめ細かいフットワークテクニックの分類を自動化する新しいアーキテクチャである。 入力として2Dポーズデータを取り込み、スケルトンベースのアクション認識アプローチを使用してアクションを分類する。 10倍のクロスバリデーションで85.4%の精度を達成し、各フェンスをテストセットとして残す。
  論文  参考訳（メタデータ） (2022-04-20T12:54:31Z)
• Decoupling Video and Human Motion: Towards Practical Event Detection in Athlete Recordings [33.770877823910176]
  本稿では,映像情報から人間の動きを分離する中間表現として2次元人間のポーズシーケンスを提案する。 本稿では,ポーズシーケンスにおける事象検出の2つのアプローチを解説し,それを補完領域である水泳と運動の2つで評価する。 提案手法はこれらの領域に限らず,ポーズに基づく動作イベント検出の柔軟性を示す。
  論文  参考訳（メタデータ） (2020-04-21T07:06:12Z)

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。