280407記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. リアルタイム人体動作解析システム（REAL-TIME SYSTEM FOR HUMAN ACTIVITY ANALYSIS）
2 分で読了
0 views

リアルタイム人体動作解析システム

（REAL-TIME SYSTEM FOR HUMAN ACTIVITY ANALYSIS）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近現場で「Kinectを使ったトレーニングで習熟度を測る」みたいな話が出てきまして。そもそもKinectで具体的に何ができるんでしょうか。うちの現場で本当に役に立つのか知りたいのです。

AIメンター拓海

素晴らしい着眼点ですね！Kinectは安価なRGB-Dセンサーで、骨格（スケルトン）をリアルタイムに推定できますよ。要点を三つで言うと、低コストで動作を捉えられる、リアルタイムにフィードバックできる、ただし遮蔽（セルフオクルージョン）に弱い点を工夫する必要があるんです。

田中専務

遮蔽というのは何ですか。現場だと人が器具の陰になったりするんですが、それが問題になるという意味でしょうか。

AIメンター拓海

その通りですよ。セルフオクルージョンとは、自分の体の一部が他の部位に隠れてセンサーが正確に関節位置を取れなくなる現象です。ここでは二台のKinectを使って視点を増やし、隠れを相互補完して正しい関節位置を推定しています。

田中専務

二台にするだけでそんなに違うのですか。それでデータをどうやって比較して、学習効果を測るんですか。

AIメンター拓海

良い質問ですね。論文では、まず二台から得た関節候補を最適化して単一の正しい関節位置を出す手法を使っています。その最適化に

論文研究シリーズ
前の記事
エッジ重視の接続車両環境における適応型キューニング予測アルゴリズム
（Adaptive Queue Prediction Algorithm for an Edge-Centric Cyber–Physical System Platform in a Connected Vehicle Environment）
次の記事
言語と現実を結ぶ確率的フレームワーク
（Generalized Grounding Graphs: A Probabilistic Framework for Understanding Grounded Commands）
関連記事
TinyGSMでGSM8Kで80%以上を達成する小規模言語モデル
（TinyGSM: achieving > 80% on GSM8k with small language models）
教師アンサンブルの適応的知識合成による敵対的訓練
（Adversarial Training via Adaptive Knowledge Amalgamation of an Ensemble of Teachers）
Data Mixing Agent: Learning to Re-weight Domains for Continual Pre-training
（ドメイン再重み付けを学習するData Mixing Agent）
大型モデル時代のトークン通信：情報ボトルネックに基づくアプローチ
(Token Communication in the Era of Large Models: An Information Bottleneck-Based Approach)
消化器内視鏡画像の多クラス分類を精度と解釈性で強化する
（Enhanced Multi-Class Classification of Gastrointestinal Endoscopic Images with Interpretable Deep Learning Model）
AlphaViT: A Flexible Game-Playing AI for Multiple Games and Variable Board Sizes
（AlphaViT：複数ゲーム・可変盤面に対応する柔軟なゲームAI）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
CNNに基づく尿沈渣粒子自動認識
（CNN-Based Automatic Urinary Particles Recognition）
  • 論文研究
動作ごとの力学を学習して全身制御を改善する
（Learning Task-Specific Dynamics to Improve Whole-Body Control）
  • 論文研究
フィルタバンクによるスパース化変換の学習
（Learning Filter Bank Sparsifying Transforms）
  • 論文研究
現実的な価格制約下で購買行動を学習するオンラインアルゴリズム
（An Online Algorithm for Learning Buyer Behavior under Realistic Pricing Restrictions）
  • 論文研究
Restricted Boltzmann Machineの熱力学と学習ダイナミクス
（Thermodynamics of Restricted Boltzmann Machines and Related Learning Dynamics）
  • 論文研究
シーンの要点
（Gist）を利用して物体認識を高める手法（Learning Scene Gist with Convolutional Neural Networks to Improve Object Recognition）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む