Aug, 2023

基于关节的姿态重复行为计数模型：改进性能的 PoseRAC

PDF
TL;DR基于关节角和身体姿势标志，本研究解决了相机视角变化、过度计数、欠计数、子动作区分困难、姿势识别准确性等问题，在 RepCount 数据集上取得了优于最先进 RepCount 方法的结果，均方绝对误差为 0.211，计数准确性（Off-By-One）为 0.599，实验证明了我们方法的有效性和鲁棒性。
发现论文，激发创造
  • 高效动态查询中的行动计数

    视频内的动作周期重复计数是一项旨在量化重复动作周期的任务，本研究提出了一种新方法，利用动作查询表示定位重复的动作周期，并进一步开发了两个关键组件，以解决时间重复计数的基本挑战。

    Mar, 2024

  • FCA-RAC: 首周期注释重复动作计数

    我们提出了一个名为首轮注释重复动作计数（FCA-RAC）的框架，通过标记技术、自适应采样策略、多时序颗粒度卷积（MTGC）模块和训练知识增强（TKA）策略，有效改善了现有数据集的局限性，提高了模型的泛化性能和推广到未知动作的能力。

    Jun, 2024

  • 姿态和关节感知动作识别

    本文提出了一种基于关节的动作识别模型，使用共享的运动编码器从每个关节分别提取运动特征，再通过联合推理的方式进行识别，同时引入了选定更具判别性关节的加权计算机制，关节对比损失技巧，以及基于几何感知的数据增强技术等方法，经实验证明，在 JHMDB，HMDB，Charades，AVA 动作识别数据集上，以及 Mimetics 数据集上，相对于当前最先进的基于关节行动识别方法有大幅度提升。同时与 RGB 和基于光流的方法进行了融合处理，以进一步提高性能。

    Oct, 2020

  • 全分辨率重复计数

    本文提出结合离线特征提取和时间卷积网络从全面的时间分辨率角度理解重复动作，设计了不需要下采样即可保留所有重复内容的重复计数网络，并利用动态扩展的时间感受野框架来检索所有重复内容，实验证明该方法优于或可与其他方法相媲美。

    May, 2023

  • Pūioio：基于智能手机的实时设备上的自动化运动重复次数计数系统

    智能手机实时跟踪基于深度学习的自动运动重复计数系统，无需任何可穿戴设备或特定传感器或网络连接，实现了对体育锻炼的低成本和便利替代方案。

    Jul, 2023

  • TransRAC: 使用 Transformer 编码多尺度时间相关性用于重复行为计数

    为解决现有短视频针对长视频中多样化和实际情况不足的问题，本文提出了一种包含多尺度时间关联的 transformer 编码方法和基于密度图回归的行动周期预测方法，并提供了更细致的注释来解决重复行动计数过程中的不一致现象。该方法不仅在所有数据集上均优于现有方法，而且在未经微调的未见过数据集上也表现更好。

    Apr, 2022

  • 利用骨骼关节进行康复运动重复分段和计数

    本文提出了一种基于骨骼关节的新方法，用于分割和计数患者进行的康复运动，通过分析运动数据以提供反馈以及向临床医生报告进展情况，以实现准确的运动分析，并保护隐私，从而有助于有效提供虚拟康复计划。

    Apr, 2023

  • 姿势为行动 - 行动为姿势

    本研究提出一种基于人类行为信息以改善单目视频中的姿态估计的方法，运用具有高级信息的绘画结构模型，将高阶部分依赖性纳入考虑，通过建模行为专有的外观模型和姿态先验。同时，通过在姿态估计过程中使用统一的行为先验进行更新，而无需使用额外的昂贵的行为识别框架来较高效地估计动作先验。我们还展示了一定量的外观共享学习有助于姿态估计的正确性。该文在两个具有挑战性的数据集上进行了有效性验证，包含 80, 000 个测试图像。

    Mar, 2016

  • 上下文感知和规模无关的时间重复计数

    本研究提出了一种上下文感知、不受时间尺度影响的框架，用于解决复杂重复动作的数量估计问题。通过回归方法和粗到细的循环长度细化方法，该框架能够准确地捕获不同领域的重复模式，此外，还构建了一个新的、最大的基准来促进该领域的训练和评估。

    May, 2020

  • 机器人操作的概率式关节实时跟踪

    本篇研究提出了一种基于概率滤波方法的实时、精确估算机器人末端执行器的相机坐标系下位置的方法，并且避免了在与视觉目标的跟踪方法组合时需要进行帧变换的问题。通过建模和纠正测量误差和机器人模型不准确性，在卡尔曼滤波测量的基础上进行基于坐标粒子滤波的异步深度图像更新，使搜索所需的计算量更少。作者在真实机器人平台上进行了定量评估，并通过开放源代码的方式公开了数据集和算法，以便与其他方法进行比较。

    Oct, 2016