3D Pose Based Feedback for Physical Exercises

要約

教師なし自己リハビリテーション運動や身体トレーニングは、間違った方法で行うと重大な怪我を引き起こす可能性がある。我々は、ユーザが犯した間違いを特定し、より簡単で安全な個人トレーニングのための修正手段を提案する、学習に基づいたフレームワークを紹介する。このフレームワークは、ハードコードされたヒューリスティックなルールには依存しない。このため、ユーザが必要とする情報を容易に得ることができる。この目的のために、我々は、身体関節の軌道間の関係をモデル化するために、ユーザのポーズシーケンスに作用するグラフ畳み込みネットワーク（GCN）アーキテクチャを使用します。本アプローチを評価するために、3種類の身体運動を含むデータセットを導入しました。本アプローチは、90.9%の誤り識別精度を達成し、94.2%の誤りを修正することに成功しました。

要約(オリジナル)

Unsupervised self-rehabilitation exercises and physical training can cause serious injuries if performed incorrectly. We introduce a learning-based framework that identifies the mistakes made by a user and proposes corrective measures for easier and safer individual training. Our framework does not rely on hard-coded, heuristic rules. Instead, it learns them from data, which facilitates its adaptation to specific user needs. To this end, we use a Graph Convolutional Network (GCN) architecture acting on the user’s pose sequence to model the relationship between the body joints trajectories. To evaluate our approach, we introduce a dataset with 3 different physical exercises. Our approach yields 90.9% mistake identification accuracy and successfully corrects 94.2% of the mistakes.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL