ForcePose: A Deep Learning Approach for Force Calculation Based on Action Recognition Using MediaPipe Pose Estimation Combined with Object Detection
Created by
Haebom
저자
Nandakishor M, Vrinda Govind V, Anuradha Puthalath, Anzy L, Swathi P S, Aswathi R, Devaprabha A R, Varsha Raj, Midhuna Krishnan K, Akhila Anilkumar T V, Yamuna P V
개요
본 논문은 인간-물체 상호작용에서 힘 추정을 위한 새로운 딥러닝 프레임워크인 ForcePose를 제안합니다. ForcePose는 MediaPipe 기반 자세 추정과 SSD MobileNet 기반 물체 인식을 결합하여 물리적 센서 없이 힘의 크기와 방향을 예측합니다. 850개의 주석이 달린 비디오 데이터셋으로 학습된 ForcePose는 힘 크기의 평균 절대 오차 5.83N, 힘 방향의 평균 절대 오차 7.4도를 달성하였으며, 기존 컴퓨터 비전 방식보다 27.5% 향상된 성능을 보였습니다. 실시간 성능을 제공하며 재활, 인체공학 평가, 운동 능력 분석 등 다양한 실제 환경에서의 힘 분석에 활용 가능성을 제시합니다.
시사점, 한계점
•
시사점:
◦
기존의 고가의 장비와 실험실 환경에 의존하지 않고, 딥러닝을 이용하여 실시간으로 인간-물체 상호작용의 힘을 정확하게 추정할 수 있는 새로운 방법 제시.
◦
기존 컴퓨터 비전 방식보다 향상된 성능과 실시간 처리 속도 달성.
◦
재활, 인체공학 평가, 운동 능력 분석 등 다양한 분야에 적용 가능성 확대.
•
한계점:
◦
논문에서 사용된 데이터셋의 크기(850개 비디오)가 상대적으로 작을 수 있음. 더욱 다양하고 대규모의 데이터셋을 사용한 추가적인 연구가 필요할 수 있음.
◦
다양한 유형의 물체와 상호작용에 대한 일반화 성능에 대한 추가적인 검증이 필요할 수 있음.
◦
힘 추정의 정확도에 영향을 미칠 수 있는 요소 (예: 조명 변화, 카메라 각도)에 대한 추가적인 연구가 필요할 수 있음.
