MI-Poser:使用磁性和惯性传感器融合结合金属干扰缓解的人体姿态跟踪
作者
人体姿态与行为识别
使用可穿戴传感器进行人体姿态的内部跟踪在AR/VR应用中具有重要潜力,例如通过具有表达性肢体语言的3DAvatar进行远程通信。当前的内部跟踪系统通常依赖基于视觉的方法,使用手持控制器或集成密集分布在身体上的IMU传感器。前者限制了免提和遮挡鲁棒交互,而后者的精度不足且存在抖动问题。我们引入了一种新颖的身体跟踪系统MI-Poser,该系统使用AR眼镜和两个佩戴在手腕上的电磁场(EMF)传感器来实现高保真上半身姿态估计,同时缓解金属干扰。我们的轻量级系统在从10名参与者收集的真实世界数据中实现了最小误差(平均关节位置误差6.6厘米)。它对各种上半身运动保持鲁棒,并以60Hz高效运行。此外,通过将IMU传感器与EMF传感器共同放置,MI-Poser提供了抵消金属干扰影响的解决方案,金属干扰本质上会在跟踪过程中扰乱EMF信号。我们的评估有效地展示了使用EMF-IMU融合方法在具有不同金属特性的环境中成功检测和纠正干扰。最终,MI-Poser提供了一个实用的姿态跟踪系统,特别适合以身体为中心的AR应用。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
重新发现可能性:强化学习的视角
CHI '22· 人体姿态与行为识别
- 100%
有效的自监督人体活动识别到底需要多少未标注数据?
UbiComp '23· 人体姿态与行为识别
- 100%
虚拟身体加速度数据在细粒度人类活动识别中的效用研究
UbiComp '23· 人体姿态与行为识别
- 100%
MMTSA:用于高效人类活动识别的多模态时序片段注意力网络
UbiComp '23· 人体姿态与行为识别
- 100%
SF-Adapter:用于人体活动识别的计算高效无源域自适应
UbiComp '24· 人体姿态与行为识别
- 100%
PmTrack:实现个性化毫米波人体追踪
UbiComp '24· 人体姿态与行为识别
- 100%
XRF55:用于室内人体动作分析的射频数据集
UbiComp '24· 人体姿态与行为识别
- 100%
语义损失:一种用于上下文感知人体活动识别的新型神经符号方法
UbiComp '24· 人体姿态与行为识别
- 100%
TS2ACT:基于跨模态协同学习的少样本人体活动感知
UbiComp '24· 人体姿态与行为识别
- 100%
IMUGPT 2.0:基于语言模型的传感器人体活动识别跨模态迁移学习
UbiComp '24· 人体姿态与行为识别
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
UbiComp
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
人体姿态与行为识别
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文