Sep, 2023

AR 尝试行动游戏中增强的自我视角健身训练体验

PDF
TL;DR本研究旨在基于自我收集的增强现实多交互手势数据集，提供一款增强现实 “Try to Move” 游戏和卷积神经网络（CNN）来识别和分类用户手势，以提高康复过程的乐趣体验和远程康复训练的效果和便利性。
arrehabilitationtraining gameego-perspectiveconvolutional neural network
发现论文，激发创造
  • 头戴式增强现实设备的自我中心手势识别

    本文提出一种基于端到端深度学习方法，采用用于识别土生土长的姿势的时间分辨率特征的循环神经网络和用于找到土手特征的自我手编码器网络，结合绿色屏幕捕获的数据扩充技术来缓解地面真实性注释问题，从而实现了土心姿势识别的问题。

    Aug, 2018

  • 基于虚拟现实的身体追踪促进肌肉骨骼训练

    我们设计了一个基于 HoloLens 2 的应用程序，通过自主训练和自动评估来实现老年人和受伤人员的肌肉骨骼训练，我们评估了 HoloLens 2 的运动数据是否足以控制和预测肌肉骨骼训练中的身体动作和关节角度，结果显示 HoloLens 2 的运动数据与上半身运动和下肢关节角度的外部跟踪存在高度相关性。

    Aug, 2023

  • 辅助型虚拟现实健身房：与真人互动，提升虚拟辅助机器人

    研究表明，虚拟现实可以帮助改善通过物理模拟训练的机器人，使其与真实世界的人类进行交互。利用 AVR Gym，可以帮助研究人员改进在四个机器人护理任务中进行的模拟控制，研究人员发现，基于实验结果修改的控制策略实际上表现得更好，而且生物力学模型的改进结果也更好地匹配了真实参与者。

    Jul, 2020

  • 多模式视频到身体关节增强，用于康复运动质量评估

    研究介绍了一种使用视频数据和神经网络进行运动康复质量评估的新方法。该方法使用跨模态数据增强技术对数据进行预处理培训，相比基准方法，其表现为更准确的评估结果。

    Jun, 2023

  • 基于三维姿势反馈的身体锻炼

    通过 Graph Convolutional Network 框架，从用户姿势序列中学习关节运动的关系，能够对个人的自我康复锻炼和体育锻炼中出现的错误进行准确的识别和纠正。

    Aug, 2022

  • 通过有监督的对比学习评估康复运动的质量，包括困难和软负例

    通过引入一种新的监督对比学习框架，该框架结合了硬负样本和软负样本，利用整个数据集训练一种适用于所有运动类型的单个模型，从而提高了运动评估的泛化能力，并降低了总体复杂性，我们的方法在多个数据集上展示了胜过现有方法的结果，创立了康复运动评估准确性的新的基准。

    Mar, 2024

  • 通过程序内容生成实现智能理疗

    本文介绍了将人工和计算智能技术应用于游戏研究，以用于物理治疗的一种途径。我们提供了一个原型研究的概述，重点讨论了运动传感器输入设备和虚拟现实设备在康复运动障碍治疗中的应用问题。 我们强调，程序内容生成和玩家建模的进步可以通过改善康复方案的质量和测量患者的表现推动该领域的发展。

    Apr, 2018

  • 使用可学习的物理知识进行实时锻炼姿势建议

    通过使用 MediaPipe 进行姿势识别、峰值检测来计算重复次数以及使用可学习的物理模拟来追踪运动演变，本文提出了一个算法流程，可以实时检测和纠正运动技术问题，并通过统计学习基于典型学习运动来诊断测试视频。这个低成本设备如智能手机支持的实时推荐系统将帮助锻炼者纠正潜在的错误，使得自我练习成为可行的同时降低锻炼伤害的风险。

    Oct, 2023

  • 采用社交互动智能体进行机器人神经康复训练

    本文介绍了一种新型机器人神经康复训练系统，结合了康复设备、信号分类方法、监督式机器学习模型以及社交互动代理人作为用户界面，能够根据患者特定需求进行训练并让患者进行独立康复训练。

    Jun, 2022

  • 优化虚拟 / 增强现实人体工程学：用户颈肌收缩的建模与预测

    通过测量、建模和预测 VR 用户的颈部肌肉收缩水平，研究开发了一种生物物理启发的计算模型，可以量化完成头部运动的累积肌肉收缩水平并预测目标头部姿势下的潜在肌肉收缩要求，并通过优化视觉目标的布局来减少用户的颈部不适，旨在推动用于 VR/AR 和交互图形应用的人机工程设计。

    Aug, 2023