論文の概要: Robust Real-Time Monocular Human Pose Estimation with Insole-Based Sensor Fusion

• arxiv url: http://arxiv.org/abs/2610.19494v1
• Date: Wed, 14 Oct 2026 03:14:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 12:10:45.44547
• Title: Robust Real-Time Monocular Human Pose Estimation with Insole-Based Sensor Fusion
• Title（参考訳）: インソール型センサフュージョンを用いたロバストリアルタイム単眼人物位置推定
• Abstract要約: 実時間単眼の人間のポーズ推定は、人間中心の知能システムにとって重要なセンシング要素である。 本稿では, 簡単な足底圧力と加速度センサが視覚的制約を効果的に解決できるかどうかを考察する。 簡単な足のセンサを組み込むことで、ポーズの精度、動きの滑らかさ、歩行関連測定を継続的に改善できることが示される。
• 参考スコア（独自算出の注目度）: 7.639688337141675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time monocular human pose estimation is an important sensing component for human-centered intelligent systems. While recent camera-based methods have achieved impressive accuracy, fundamental challenges persist, particularly when visual observations are incomplete, such as during lower-body occlusion or short out-of-frame intervals. In these challenging but common scenarios, vision-only systems often struggle to reconstruct physically plausible lower-limb motion and reliable foot-ground contact. Due to the highly unobtrusive and wearable nature of smart insoles, this paper investigates whether simple plantar pressure and acceleration sensors can effectively resolve these visually induced limitations. To systematically investigate this, we first collect a synchronized multimodal dataset and then propose a part-decoupled temporal fusion framework. The proposed model fuses foot-sensing features into the lower-body branch to compensate for incomplete visual evidence, while a lightweight coordinator exchanges information between the upper- and lower-body temporal representations to maintain whole-body consistency. The framework is evaluated with three representative real-time visual backbones based on 2D keypoints, 3D landmarks, and SMPL-based human mesh recovery. We evaluate our framework on three representative real-time visual backbones. Quantitative experiments demonstrate that incorporating simple foot sensors consistently improves pose accuracy, motion smoothness, and gait-related measurements over vision-only baselines, with the most significant gains observed under occlusion and short visual-dropout conditions. Ultimately, our results demonstrate that unobtrusive foot sensing provides vital and complementary physical observability when camera observations are temporarily unavailable.
• Abstract（参考訳）: 実時間単眼の人間のポーズ推定は、人間中心の知能システムにとって重要なセンシング要素である。 最近のカメラベースの手法は目覚ましい精度を達成しているが、特に下半身の閉塞やフレーム外間隔の短さなど、視覚的な観察が不完全である場合には、基本的な課題が続く。 これらの困難だが一般的なシナリオでは、視覚のみのシステムは、物理的に妥当な下肢運動と信頼性の高い足場接触の再構築に苦慮することが多い。 スマートエアロゾルの耐摩耗性が高くウェアラブル性が高いことから, 簡易な足底圧力と加速度センサがこれらの視覚的制約を効果的に解決できるかどうかを考察する。 これを体系的に検討するために,まず同期型マルチモーダルデータセットを収集し,その上で,部分分離型時間融合フレームワークを提案する。 提案モデルでは,足の感覚機能を下半身の枝に融合させて不完全な視覚的証拠を補うとともに,上半身と下半身の時間的表現間で情報を交換し,全身の整合性を維持する。 このフレームワークは、2Dキーポイント、3Dランドマーク、SMPLベースのヒューマンメッシュリカバリに基づいて、3つの代表的なリアルタイムビジュアルバックボーンで評価される。 我々は,3つの視覚的バックボーン上でのフレームワークの評価を行った。 定量的実験により、単純な足のセンサーを組み込むことで、視力のみのベースライン上でのポーズ精度、動きの滑らかさ、歩行関連の測定が一貫して改善され、その最も顕著な利得はオクルージョンと短い視覚的ドロップアウト条件下で観察される。 最終的に, カメラ観測が一時的に利用できない場合には, 目立たない足のセンシングが, 極めて重要かつ相補的な物理観測可能性をもたらすことを示す。

関連論文リスト

• EgoExplorer: A Vision-Motion-Touch Observatory for Human Loco-Manipulation In Situ [67.89251850608498]
  EgoExplorerは、ウェアラブルシステムで構築された人間のロボ操作の100時間の視覚モーションタッチ観測所である。 プロの活動に重点を置いて、その連続的な録音は、エゴセントリックなビデオと、再構築された全身の動きとを一致させる。 我々は,このカバーをスパースボディセンシングで実現するために,Calibrate-Complete-Constrainパイプラインを開発した。
  論文  参考訳（メタデータ） (2026-10-13T17:59:55Z)
• Human-AI Divergence in Ego-centric Action Recognition under Spatial and Spatiotemporal Manipulations [12.465670388296239]
  人間は、アクション認識における最先端のAIモデルよりも一貫して優れています。 最小認識クロック(MIRC)を用いたegoの大規模人間-AI比較研究について述べる。 我々は,MIRCsからサブMIRCsへの移行に伴って,ヒトのパフォーマンスが急激な低下を示すことを示した。
  論文  参考訳（メタデータ） (2026-03-09T12:38:56Z)
• Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
  本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。 モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。 ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
  論文  参考訳（メタデータ） (2026-03-02T17:46:38Z)
• DVLO4D: Deep Visual-Lidar Odometry with Sparse Spatial-temporal Fusion [28.146811420532455]
  DVLO4Dは,空間-時空間融合を利用して精度とロバスト性を向上する新しい視覚-LiDARオドメトリーフレームワークである。 提案手法は,82msの予測時間を持つ高効率で,実時間展開の可能性を秘めている。
  論文  参考訳（メタデータ） (2025-09-07T11:43:11Z)
• Hybrid 3D Human Pose Estimation with Monocular Video and Sparse IMUs [15.017274891943162]
  モノクロビデオからの時間的3Dポーズ推定は、人間中心のコンピュータビジョンにおいて難しい課題である。 情報ソースを補完するために慣性センサが導入された。 物理的に合理的な3Dポーズを生成するために、異種センサデータを統合することは依然として困難である。
  論文  参考訳（メタデータ） (2024-04-27T09:02:42Z)
• Enhanced Spatio-Temporal Context for Temporally Consistent Robust 3D Human Motion Recovery from Monocular Videos [5.258814754543826]
  本稿では,モノクロ映像からの時間的一貫した動き推定手法を提案する。 汎用的なResNetのような機能を使う代わりに、本手法ではボディ認識機能表現と独立したフレーム単位のポーズを使用する。 提案手法は, 高速化誤差を著しく低減し, 既存の最先端手法よりも優れる。
  論文  参考訳（メタデータ） (2023-11-20T10:53:59Z)
• A Spatio-Temporal Multilayer Perceptron for Gesture Recognition [70.34489104710366]
  自律走行車におけるジェスチャー認識のための多層状態重み付きパーセプトロンを提案する。 提案手法の有望な性能を示すため,TCGおよびDrive&Actデータセットの評価を行った。 私たちは、そのリアルタイム能力と安定した実行を示すために、モデルを自動運転車にデプロイします。
  論文  参考訳（メタデータ） (2022-04-25T08:42:47Z)
• Imposing Temporal Consistency on Deep Monocular Body Shape and Pose Estimation [67.23327074124855]
  本稿では,適合過程における時間的制約の統合に対するエレガントな解法を提案する。 我々は、顎ポーズ、表情、指ポーズを含む人物の形状と動きを表す一連の身体モデルのパラメーターを導出する。 本手法は,表情や手話を含む画像系列からリアルな3次元体モデルの導出を可能にする。
  論文  参考訳（メタデータ） (2022-02-07T11:11:55Z)
• Kinematic-Structure-Preserved Representation for Unsupervised 3D Human Pose Estimation [58.72192168935338]
  大規模インスタディオデータセットの監視を用いて開発された人間のポーズ推定モデルの一般化可能性については疑問が残る。 本稿では,2対あるいは2対の弱い監督者によって抑制されない,新しいキネマティック構造保存型非教師付き3次元ポーズ推定フレームワークを提案する。 提案モデルでは,前方運動学,カメラ投影,空間マップ変換という3つの連続的な微分可能変換を用いる。
  論文  参考訳（メタデータ） (2020-06-24T23:56:33Z)

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。