PressureTransferNet: Human Attribute Guided Dynamic Ground Pressure Profile Transfer using 3D simulated Pressure Maps

要約

我々は、地圧情報を用いた人間活動認識（HAR）のための新しい手法であるPressureTransferNetを提案します。
私たちのアプローチは、さまざまな個人からの既存の圧力データを活用して、特定の活動に対する身体固有の動的な接地圧プロファイルを生成します。
PressureTransferNet は、ソースの圧力マップとターゲットの人間の属性ベクトルを入力として受け取り、ターゲットの属性を反映する新しい圧力マップを生成するエンコーダー/デコーダー モデルです。
モデルをトレーニングするには、センサー シミュレーションを使用して、さまざまな人間の属性と圧力プロファイルを含む多様なデータセットを作成します。
現実世界のデータセットでの評価は、人間の属性をさまざまなシナリオにわたる地圧プロファイルに正確に転送する際のその有効性を示しています。
物理ベースの深層学習モデルを使用して、合成された圧力形状の忠実性を視覚的に確認し、地面と接触する領域でバイナリ R 2 乗値 0.79 を達成しました。
物理的圧力マット データに対する F1 スコア (0.911$\pm$0.015) による分類による検証により、合成された圧力マップの正確性が実証され、この手法がデータ増強、ノイズ除去、センサー シミュレーション、および異常検出に価値のあるものになります。
アプリケーションはスポーツ科学、リハビリテーション、生体力学に及び、HAR システムの開発に貢献しています。

要約(オリジナル)

We propose PressureTransferNet, a novel method for Human Activity Recognition (HAR) using ground pressure information. Our approach generates body-specific dynamic ground pressure profiles for specific activities by leveraging existing pressure data from different individuals. PressureTransferNet is an encoder-decoder model taking a source pressure map and a target human attribute vector as inputs, producing a new pressure map reflecting the target attribute. To train the model, we use a sensor simulation to create a diverse dataset with various human attributes and pressure profiles. Evaluation on a real-world dataset shows its effectiveness in accurately transferring human attributes to ground pressure profiles across different scenarios. We visually confirm the fidelity of the synthesized pressure shapes using a physics-based deep learning model and achieve a binary R-square value of 0.79 on areas with ground contact. Validation through classification with F1 score (0.911$\pm$0.015) on physical pressure mat data demonstrates the correctness of the synthesized pressure maps, making our method valuable for data augmentation, denoising, sensor simulation, and anomaly detection. Applications span sports science, rehabilitation, and bio-mechanics, contributing to the development of HAR systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google