Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Ghi lại chuyển động của con người từ các cảm biến quán tính rời rạc và thưa thớt với các mô hình khuếch tán nhận biết quần áo

Created by
  • Haebom

Tác giả

Andela Ilic, Gia Tây Giang, Paul Streli, Xintong Liu, Christian Holz

Phác thảo

Trong bài báo này, chúng tôi trình bày Garment Inertial Poser (GaIP), một phương pháp mới để ước tính tư thế toàn thân từ một số lượng nhỏ các đơn vị đo lường quán tính (IMU) được gắn lỏng lẻo vào quần áo. Các phương pháp chụp chuyển động dựa trên IMU hiện có giả định rằng các IMU được gắn chặt vào cơ thể, nhưng giả định này không phải lúc nào cũng đúng trong các tình huống thực tế. GaIP mô phỏng các phép đo IMU bằng cách sử dụng các tập dữ liệu chuyển động của con người dựa trên quần áo hiện có và ước tính tư thế của con người từ dữ liệu IMU được gắn lỏng lẻo bằng cách sử dụng mô hình khuếch tán dựa trên máy biến áp. Cụ thể, bằng cách kết hợp các thông số liên quan đến quần áo vào quá trình học, phương pháp được đề xuất có thể nắm bắt hiệu quả các biến thể về độ rộng hoặc chật của quần áo, đồng thời vẫn duy trì tính biểu cảm. Kết quả thử nghiệm chứng minh tính vượt trội về mặt định lượng và định tính so với các phương pháp tiên tiến hiện có, mở ra những khả năng mới cho nghiên cứu chụp chuyển động trong môi trường triển khai cảm biến thực tế.

Takeaways, Limitations

Takeaways:
Trình bày phương pháp ghi lại chuyển động thực tế sử dụng một số lượng nhỏ IMU gắn lỏng lẻo.
ƯớC tính tư thế toàn thân chính xác từ dữ liệu IMU rời rạc bằng cách sử dụng mô hình khuếch tán dựa trên máy biến áp.
Cải thiện hiệu suất ghi hình chuyển động trong nhiều điều kiện trang phục khác nhau bằng cách xem xét các thông số liên quan đến trang phục.
Cải thiện hiệu suất về mặt định lượng và định tính so với các phương pháp hiện đại.
Limitations:
Hiện tại, dữ liệu IMU mô phỏng đang được sử dụng, nhưng cần phải xác minh hiệu suất trên dữ liệu thực tế.
Cần phân tích thêm để xác định hiệu suất thay đổi như thế nào tùy thuộc vào loại quần áo và phong cách mặc.
ĐáNh giá hiệu suất tổng quát là cần thiết cho nhiều loại cơ thể và chuyển động khác nhau.
👍