文献

J-GLOBAL ID：202002288318925238   整理番号：20A2030234

スパースIMUからの実時間人間姿勢推定のためのRNN-Ensembleアプローチ【JST・京大機械翻訳】

An RNN-Ensemble approach for Real Time Human Pose Estimation from Sparse IMUs

著者 (4件)： Nagaraj Deepak (AWS-Institute for Digitized Products and Processes, Saarbruecken, Saarland, Germany) ,  Schake Erik (AWS-Institute for Digitized Products and Processes, Saarbruecken, Saarland, Germany) ,  Leiner Patrick (AWS-Institute for Digitized Products and Processes, Saarbruecken, Saarland, Germany) ,  Werth Dirk (AWS-Institute for Digitized Products and Processes, Saarbruecken, Saarland, Germany)
資料名： ACM Proceedings  (ACM Proceedings)
号： APPIS 2020  ページ： 1-6  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 様々なハードウェア技術における最近の進歩により,人間行動捕捉(MoCap)は,コンピュータビジョン,コンピュータアニメーション,ゲームにおけるジェスチャ認識,および生体機械解析における最も重要な分野において重要性を獲得した。この方向では,様々な種類のセンサを用いて人間の動きが捉えられている。対応して,多くのモデルベースおよびデータベース技法が,センサ読みを人によって理解できる情報に解読するために開発された。現在の技術が,情報収集のコストと容易性を考慮して,実世界シナリオにおける適応性をまだ欠いていることを考えると,改善のための大きな余地がある。本論文は,熟練した工芸領域のスコープにおいて,コスト効率が高く,最小侵入である,スパース慣性測定ユニット(IMU)システムから収集されたデータを用いて,リアルタイム人間姿勢推定のための概念の新しい機械学習ベースの証明の開発に焦点を当てた。可変ウィンドウサイズで,人間関節の角度に関して人間姿勢を推定するためのこれらのモデルのアンサンブルを構築する多様な双方向性再帰ニューラルネットワーク(bi-RNN)を,より正確に,そして,ロバストに論じる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ゲーム ,  データベース ,  ニューラルネットワーク ,  情報収集 ,  捕獲 ,  ハードウェア ,  コンピュータビジョン ,  コンピュータアニメーション ,  ロバスト性 ,  機械学習
準シソーラス用語： *姿勢推定 ,  双方向性 ,  ジェスチャー認識 ,  モデルベース , 【Automatic Indexing@JST】

著者キーワード (6件)： アンサンブル学習 ,  MoCap ,  予防衛生 ,  リカレントニューラルネットワーク ,  スパース慣性測定ユニット ,  ウェアラブル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： IMU ,  実時間 ,  人間 ,  姿勢推定 ,  RNN