IMUCoCo:实现人体姿态估计与活动识别中灵活的IMU身体放置
人体姿态与行为识别
惯性测量单元(IMU)常用于感知人体运动、识别活动和估计全身姿态。用户通常需要将传感器放置在预定义位置,这些位置通常由常见的可穿戴设备形态和机器学习模型的训练过程决定。因此,尽管配备了IMU的日常设备数量不断增加,但有限的适应性严重限制了用户体验,仅能使用少数经过充分探索的设备放置位置(如手腕和耳朵)。在本文中,我们重新思考基于IMU的运动传感,承认信号可以从人体的任何部位捕获。我们引入了连续坐标上的IMU(IMUCoCo),这是一个新颖的框架,根据传感器在身体表面的空间坐标,将放置在身体上的可变数量IMU的信号映射到统一特征空间。这些特征可以插入到用于姿态估计和活动识别的下游模型中。我们的评估表明,IMUCoCo支持在各种典型和非典型传感器放置位置进行准确的姿态估计。总体而言,IMUCoCo支持比最先进方法更灵活地使用IMU进行运动传感,允许用户根据需要和偏好放置带有传感器的设备。该框架还支持根据情境更改设备位置,并根据用例建议放置位置。
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%
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
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
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3746059.3747695
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 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