論文の概要: Ampe-DB: A Dataset for Human Activity and Interaction Analysis Using the Ghanaian Game Ampe
- arxiv url: http://arxiv.org/abs/2610.33130v1
- Date: Fri, 23 Oct 2026 13:28:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.255632
- Title: Ampe-DB: A Dataset for Human Activity and Interaction Analysis Using the Ghanaian Game Ampe
- Title(参考訳): Ampe-DB:ガーナのゲーム・アンプを用いた人間活動とインタラクション分析のためのデータセット
- Abstract要約: 我々は,AmpeをベースとしたマルチモーダルデータセットであるAmpe-DBを紹介した。
15人の参加者による637の標準クリップ、RGBビデオ、2人のポーズ表現、参加者とペアのメタデータ、4クラスの移動ラベル、派生した2進移動関連ラベルを含む。
3つのプロトコルを用いて4段階の運動認識と2段階の移動関連分類を評価する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human activity recognition benchmarks underrepresent culturally situated forms of movement and interaction. We introduce Ampe-DB, a multimodal dataset based on Ampe, a traditional Ghanaian game involving coordinated jumping, leg movements, and two-person interaction. It contains 637 canonical clips from 15 participants, with RGB video, two-person pose representations, participant and pair metadata, four-class movement labels, and derived binary movement-relation labels. We evaluate four-class movement recognition and binary movement-relation classification using three protocols: a duplicate-safe fixed benchmark, four-fold pair-held-out evaluation, and participant-held-out diagnostics for participants with complete class coverage. Baselines comprise a frozen Kinetics-400-pretrained R(2+1)D-18 RGB encoder, a two-layer bidirectional GRU for pose sequences, and validation-selected RGB-pose late fusion. For four-class recognition, RGB macro-F1 falls from 0.955 on the fixed benchmark to 0.418 under pair-held-out evaluation and 0.384 under participant-held-out evaluation. Pose is more robust, achieving 0.957, 0.811, and 0.839 across the same protocols. Fusion reaches 0.976 on the fixed benchmark and 0.824 under pair-held-out evaluation, but does not consistently improve on pose under participant shift. Binary movement-relation recognition also becomes substantially harder under held-out evaluation, especially for different-leg configurations. These findings show that strong fixed-benchmark scores can mask failures to generalize across people and pairings. Ampe-DB supports research on fine-grained movement recognition, human-human interaction, multimodal learning, and identity-aware generalization.
- Abstract(参考訳): 人間の活動認識ベンチマークは、文化的に位置する動きと相互作用の形式を以下に示す。
我々は,AmpeをベースとしたマルチモーダルデータセットであるAmpe-DBを紹介した。
15人の参加者による637の標準クリップ、RGBビデオ、2人のポーズ表現、参加者とペアのメタデータ、4クラスの移動ラベル、派生した2進移動関連ラベルを含む。
本研究は,3つのプロトコルを用いて4段階の動作認識と2段階の動作関連分類を評価する。
ベースラインは、冷凍された Kinetics-400-pretrained R(2+1)D-18 RGB encoder、ポーズシーケンスのための2層双方向GRU、バリデーション選択されたRGB-pose late fusionで構成されている。
4クラス認証では、RGBマクロF1は固定ベンチマークで0.955から0.418に、ペア完備評価で0.384に低下する。
Poseはより堅牢で、同じプロトコルで0.957、0.811、0.839を達成する。
固定ベンチマークでは0.976、ペアホールドアウト評価では0.824に達するが、参加者シフト時のポーズは一貫して改善されない。
連立運動相関認識は、特に異なる脚構成の場合、ホールドアウト評価において著しく困難になる。
これらの結果から,強い固定ベンチマークスコアは人やペアの障害を隠蔽し,一般化する可能性が示唆された。
Ampe-DBは、きめ細かい動き認識、人間と人間の相互作用、マルチモーダル学習、アイデンティティ認識の一般化の研究を支援する。
関連論文リスト
- DONIC: Generalist Dexterous Bimanual Tracking Control from Human Demonstrations [62.525114958093496]
操作カテゴリと人体運動源を共同で訓練した最初の一般用バイマニュアルトラッカーであるDONICについて紹介する。
対象中心ごとの報酬は、基準コンタクトロールに従って各手を監督しながら、オブジェクトモーションフィードバックを維持する。
単一のチェックポイントは、トレーニング対象の未確認軌道で86.79%、保持対象で57.32%を達成している。
論文 参考訳(メタデータ) (2026-10-21T16:36:02Z) - Seeing Seizures: A Large-Scale Empirical Study of Video and EEG Deep Learning for Automated Rodent Seizure Detection and Severity Grading [7.557499263867481]
ソマン誘発てんかんモデルにおいて,20ラットの24,131対のクリップを用いた発作検出と行動重症度評価の実証的研究を行った。
10のビデオアーキテクチャと7つの単一チャネル脳波モデルがバイナリ検出と3クラスおよび5クラスの重度タスクによって独立に評価される。
被検者排他的評価は、ビデオで5種類のマクロF1を0.475、脳波で0.404に減らし、目に見えない動物の格付けの難しさを浮き彫りにする。
論文 参考訳(メタデータ) (2026-10-15T19:11:05Z) - Enjoy Your Talk: A Human-Centered Benchmark for Multi-Turn Dialogue with Decoupled User Simulation, Target Modeling, and Judging [15.994164469249727]
EYT-Benchは、大規模な言語モデルを評価するための人間中心のベンチマークである。
人体は人体培養コーパスから採取される。
最先端のクローズドおよびオープンソースモデルは、統計的に主観的次元に近接している。
論文 参考訳(メタデータ) (2026-07-11T18:22:49Z) - Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。
楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。
本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
論文 参考訳(メタデータ) (2026-05-27T03:41:11Z) - Human Cognitive Benchmarks Reveal Foundational Visual Gaps in MLLMs [65.93003087656754]
VisFactorは、よく確立された認知心理学評価から20の視覚中心のサブテストをデジタル化するベンチマークである。
GPT、Gemini、Claude、LLaMA、Qwen、SEEDファミリーから20のフロンティアマルチモーダル言語モデル(MLLM)を評価する。
最高のパフォーマンスモデルは100点中25.19点のスコアしか得られず、精神的な回転、空間的関係推論、図形の識別といったタスクに一貫して失敗する。
論文 参考訳(メタデータ) (2025-02-23T04:21:32Z) - Coordinate Transformer: Achieving Single-stage Multi-person Mesh
Recovery from Videos [91.44553585470688]
ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。
本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。
3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
論文 参考訳(メタデータ) (2023-08-20T18:23:07Z) - GaitMM: Multi-Granularity Motion Sequence Learning for Gait Recognition [6.877671230651998]
歩行認識は、各身体部位の異なる周期的な動きを観察することにより、個人固有の歩行パターンを識別することを目的としている。
既存のほとんどの手法は各部分を等しく扱い、異なるステップ周波数と歩行のサンプリングレートによって引き起こされるデータの冗長性を考慮できない。
本研究では,歩行系列学習のためのマルチグラニュラリティ動作表現(GaitMM)を提案する。
論文 参考訳(メタデータ) (2022-09-18T04:07:33Z) - Multi-View Correlation Consistency for Semi-Supervised Semantic
Segmentation [59.34619548026885]
半教師付きセマンティックセグメンテーションは、ラベルなしデータのリッチで堅牢な監視を必要とする。
本稿では,異なるビュー間の画素・画素対応を保証するビューコヒーレントなデータ拡張戦略を提案する。
2つのデータセットの半教師付き設定では、最先端の手法と比較して、競争の正確さが報告される。
論文 参考訳(メタデータ) (2022-08-17T17:59:11Z) - End-to-End Zero-Shot HOI Detection via Vision and Language Knowledge
Distillation [86.41437210485932]
我々は、ゼロショットHOI検出を前進させ、同時に見えないHOIと見えないHOIの両方を検出することを目指している。
本稿では,視覚言語による知識蒸留によるエンドツーエンドのゼロショットHOI検出フレームワークを提案する。
本手法は, 従来のSOTAを8.92%, 全体の10.18%で上回っている。
論文 参考訳(メタデータ) (2022-04-01T07:27:19Z) - DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
人-物間相互作用(HOI)検出の課題に対処する。
既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。
本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
論文 参考訳(メタデータ) (2020-08-26T17:59:40Z) - VI-Net: View-Invariant Quality of Human Movement Assessment [2.2361671906678593]
本研究では,骨格データに依存しない人間の動作の質を評価するためのビュー不変手法を提案する。
我々のエンドツーエンドの畳み込みニューラルネットワークは2つの段階から構成されており、まず最初にRGB画像から各関節に対するビュー不変の軌道記述子を生成する。
VI-Netは,2つの視点でのみトレーニングした場合に,横オブジェクトの平均ランク相関が0.66,未知ビューで0.65となることを示す。
論文 参考訳(メタデータ) (2020-08-11T20:51:42Z)
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。