305336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）
1未満 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

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

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
ユーザグループを発見する自然言語生成
（Discovering User Groups for Natural Language Generation）
外科創感染
（Surgical Site Infection; SSI）の予後予測に動的データを取り入れる発想（Prognostics of Surgical Site Infections using Dynamic Health Data）
ドイツ語ウェブデータのトピック分類におけるIn-context LearningとFine-tuningの評価
（Assessing In-context Learning and Fine-tuning for Topic Classification of German Web Data）
ペアワイズ類似度分布クラスタリングによるノイズラベル学習
(Pairwise Similarity Distribution Clustering for Noisy Label Learning)
超臨界翼上の超音速近傍流の予測：幾何学エンコーディングと深層学習戦略
（Prediction of transonic flow over supercritical airfoils using geometric-encoding and deep-learning strategies）
変分時系列IRT：高速・高精度で説明可能な動的学習者能力推定
（Variational Temporal IRT: Fast, Accurate, and Explainable Inference of Dynamic Learner Proficiency）
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
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 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