論文の概要: Impact of Patient Orientation in Single- and Multi-View Camera Environments for AI-based Rehabilitation Monitoring

• arxiv url: http://arxiv.org/abs/2609.35726v2
• Date: Wed, 30 Sep 2026 21:47:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.511345
• Title: Impact of Patient Orientation in Single- and Multi-View Camera Environments for AI-based Rehabilitation Monitoring
• Title（参考訳）: AIによるリハビリテーションモニタリングのための単眼・多眼カメラ環境における患者向きの影響
• Abstract要約: 本稿では,広範囲のカメラアングルから取得した正確なリハビリテーション演習のデータセットであるREHAB26-Viewsを紹介する。 様々なカメラ配置下での運動品質評価に,RGBを用いた姿勢推定がいかに適しているかを解析した。 その結果, 最適配置の2Dカメラは, 一般的に使用される0正面視よりも16.9%の分離性を向上できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Automated quality assessment of rehabilitation exercises relies heavily on accurate human pose estimation from video data. Although numerous RGB-based pose estimation methods have been proposed, the impact of camera placement on detecting clinically relevant movement errors remains insufficiently explored. To address this gap, we introduce REHAB26-ViewAngles, a dataset comprising correct and incorrect rehabilitation exercise executions captured from a wide range of camera angles. Furthermore, we propose a novel separability metric to quantify an algorithm's ability to distinguish between valid and faulty exercise repetitions. Using these tools, we analyze how various RGB-based pose-estimation strategies are suitable for exercise quality assessment under varying camera placements. In particular, we analyze single-camera 2D and 3D pose estimation and four multi-camera strategies: a combination of two orthogonal 2D views, 3D triangulation, weighted 3D fusion, and an AI-based pose-estimation transformer model specifically trained from two synchronized cameras. Our findings reveal that an optimally placed 2D camera can improve the separability by 16.9% over the commonly used 0° frontal view and frequently outperforms single-camera 3D estimation, while combining two views can further improve accuracy by up to 13.1%. These results offer practical guidance for deploying rehabilitation monitoring in both home and clinical settings.
• Abstract（参考訳）: リハビリテーションエクササイズの自動評価は、ビデオデータから正確な人間のポーズ推定に大きく依存する。 多くのRGBベースのポーズ推定法が提案されているが、臨床に関連のある動きの誤りを検出するためのカメラ配置の影響はいまだ不十分である。 このギャップに対処するために、広範囲のカメラアングルから取得した正確で不正なリハビリテーション実行を含むデータセットであるREHAB26-ViewAnglesを導入する。 さらに,本研究では,アルゴリズムが有効かつ不適切なエクササイズ繰り返しを識別する能力を定量化するための,新たな分離性指標を提案する。 これらのツールを用いて、様々なカメラ配置下での運動品質評価に、様々なRGBベースのポーズ推定戦略がどのように適しているかを分析する。 特に,2つの直交2次元ビュー,3次元三角測量,重み付け3次元融合,および2つの同期カメラから特別に訓練されたAIベースのポーズ推定変換器モデルを組み合わせた,単眼2次元ポーズ推定と4つのマルチカメラ戦略を解析した。 その結果, 最適配置の2Dカメラは, 一般的に使用される0°フロントビューよりも16.9%の分離性を向上し, シングルカメラの3D推定よりも高い精度で2つのビューを組み合わせれば, 最大13.1%の精度で精度を向上できることがわかった。 これらの結果から,在宅および臨床におけるリハビリテーションモニタリングの実践的指針が得られた。

関連論文リスト

• A Pose-only Geometric Constraint for Multi-Camera Pose Adjustment [17.926124307402734]
  マルチカメラシステムは、視覚ナビゲーションと3Dシーン再構成のためのリッチな観察機能を提供する。 結果として生じる特徴冗長性は、しばしば計算効率を損なう。 本稿では,マルチカメラシステムに対するポーズのみの幾何学的制約を導入し,それに対応するポーズ調整アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-04-26T13:36:46Z)
• SteerPose: Simultaneous Extrinsic Camera Calibration and Matching from Articulation [32.288669810272864]
  本稿では,他の視点で2次元ポーズを回転させるニューラルネットワークであるSteerPoseを提案する。 異なるマッチングを統合することで、SteerPoseは外部カメラキャリブレーションと対応検索を同時に行う。 本手法は, 新規動物の3次元ポーズをマルチカメラで再現できることを実証する。
  論文  参考訳（メタデータ） (2025-06-02T13:52:35Z)
• Marker-Based Extrinsic Calibration Method for Accurate Multi-Camera 3D Reconstruction [0.23749905164931198]
  本稿では,3次元マーカーによる幾何学的制約を利用した反復的外在的キャリブレーション手法を提案する。 本手法は,Tech4Dietプロジェクトにおいて,制御された環境と実際の実環境の両方において総合的に検証する。 実験の結果,アライメント誤差が大幅に減少し,高精度で信頼性の高い3次元再構成が可能となった。
  論文  参考訳（メタデータ） (2025-05-05T10:21:41Z)
• Bring Your Rear Cameras for Egocentric 3D Human Pose Estimation [69.68568832269285]
  ヘッドマウントデバイス(HMD)の前に設置したカメラを用いて,エゴセントリックな3次元ポーズ推定を積極的に研究している。 自己閉塞性や視野範囲の制限により、フルボディトラッキングが同じであるかどうかは不明だ。 マルチビュー情報と熱マップの不確実性を用いて2次元関節熱マップ推定を改良するトランスフォーマーに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-03-14T17:59:54Z)
• SDGE: Stereo Guided Depth Estimation for 360$^\circ$ Camera Sets [65.64958606221069]
  マルチカメラシステムは、360ドル周の知覚を達成するために、しばしば自律走行に使用される。 360ドル(約3万3000円)のカメラセットは、しばしば制限または低品質のオーバーラップ領域を持ち、画像全体に対してマルチビューステレオメソッドを実現する。 重なりの重なりに多視点ステレオ結果を明示的に利用することにより、全画像の深さ推定を強化するステレオガイド深度推定法(SGDE)を提案する。
  論文  参考訳（メタデータ） (2024-02-19T02:41:37Z)
• A Critical Analysis of Image-based Camera Pose Estimation Techniques [18.566761146552537]
  カメラのローカライゼーションは、自律運転、ロボットナビゲーション、拡張現実(AR)など、多くのコンピュータビジョン分野に恩恵をもたらす可能性がある 本調査では,まず,異なるサブタスクに応じて,カメラのローカライゼーションポーズの特定の適用領域と評価指標を紹介する。
  論文  参考訳（メタデータ） (2022-01-15T09:57:45Z)
• Multi-modal 3D Human Pose Estimation with 2D Weak Supervision in Autonomous Driving [74.74519047735916]
  自動運転車(AV)における3次元ポーズ推定(HPE)は,多くの要因において他のユースケースと異なる。 他のユースケース(仮想現実、ゲーム、アニメーションなど)のために収集されたデータは、AVアプリケーションには使用できない可能性がある。 本稿では,この問題をAV設定で緩和するための最初のアプローチの1つを提案する。
  論文  参考訳（メタデータ） (2021-12-22T18:57:16Z)
• Multi-View Multi-Person 3D Pose Estimation with Plane Sweep Stereo [71.59494156155309]
  既存のマルチビュー3Dポーズ推定手法は、複数のカメラビューからグループ2Dポーズ検出に対するクロスビュー対応を明確に確立する。 平面スイープステレオに基づくマルチビュー3Dポーズ推定手法を提案し、クロスビュー融合と3Dポーズ再構築を1ショットで共同で解決します。
  論文  参考訳（メタデータ） (2021-04-06T03:49:35Z)
• Synthetic Training for Monocular Human Mesh Recovery [100.38109761268639]
  本稿では,RGB画像と大規模に異なる複数の身体部位の3次元メッシュを推定することを目的とする。 主な課題は、2D画像のすべての身体部分の3Dアノテーションを完備するトレーニングデータがないことである。 本稿では,D2S(Deep-to-scale)投影法を提案する。
  論文  参考訳（メタデータ） (2020-10-27T03:31:35Z)

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。