Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Capture de mouvement humain à partir de capteurs inertiels lâches et épars avec des modèles de diffusion sensibles aux vêtements

Created by
  • Haebom

Auteur

Andela Ilic, Jiaxi Jiang, Paul Streli, Xintong Liu, Christian Holz

Contour

Dans cet article, nous présentons Garment Inertial Poser (GaIP), une nouvelle méthode permettant d'estimer la pose du corps entier à partir d'un petit nombre d'unités de mesure inertielles (IMU) fixées de manière lâche aux vêtements. Les méthodes de capture de mouvement existantes basées sur les IMU supposent que les IMU sont solidement fixées au corps, mais cette hypothèse n'est pas toujours vérifiée en situation réelle. GaIP simule les mesures IMU à partir d'ensembles de données de mouvements humains basés sur les vêtements et estime la pose humaine à partir de données IMU fixées de manière lâche grâce à un modèle de diffusion basé sur un transformateur. Plus précisément, en intégrant des paramètres liés aux vêtements dans le processus d'apprentissage, la méthode proposée capture efficacement les variations de relâchement ou de serrage des vêtements, préservant ainsi leur expressivité. Les résultats expérimentaux démontrent une supériorité quantitative et qualitative par rapport aux méthodes de pointe existantes, ouvrant de nouvelles perspectives pour la recherche en capture de mouvement dans des environnements de déploiement de capteurs réalistes.

Takeaways, Limitations

Takeaways:
Une méthode pratique de capture de mouvement utilisant un petit nombre d'IMU faiblement attachées est présentée.
Estimation précise de la pose du corps entier à partir de données IMU lâches à l'aide d'un modèle de diffusion basé sur un transformateur.
Améliorer les performances de capture de mouvement dans diverses conditions vestimentaires en tenant compte des paramètres liés aux vêtements.
Améliorations quantitatives et qualitatives des performances par rapport aux méthodes de pointe existantes.
Limitations:
Actuellement, des données IMU simulées sont utilisées, mais une vérification des performances sur des données réelles est requise.
Des analyses plus poussées sont nécessaires pour déterminer comment les performances varient en fonction du type de vêtements et du style de port.
Une évaluation des performances de généralisation est nécessaire pour différents types de corps et de mouvements.
👍