본 논문에서는 옷에 느슨하게 부착된 소수의 관성 측정 장치(IMU)로부터 전신 자세를 추정하는 새로운 방법인 Garment Inertial Poser (GaIP)를 제시합니다. 기존의 IMU 기반 모션 캡처 방법들은 IMU가 신체에 단단히 부착되어 있다고 가정하지만, 실제 상황에서는 이러한 가정이 항상 성립하지 않습니다. GaIP는 기존의 의류를 고려한 인체 동작 데이터셋을 이용하여 IMU 측정값을 시뮬레이션하고, 트랜스포머 기반 확산 모델을 통해 느슨하게 부착된 IMU 데이터로부터 인체 자세를 추정합니다. 특히, 의류 관련 매개변수를 학습 과정에 포함하여 의류의 느슨함이나 꽉 끼는 정도에 따른 변화를 효과적으로 포착하고 표현력을 유지합니다. 실험 결과, 제안된 방법은 기존 최첨단 방법보다 정량적, 정성적으로 우수한 성능을 보이며, 현실적인 센서 배치 환경에서의 모션 캡처 연구에 새로운 가능성을 제시합니다.
