Real-Time Feedback and Benchmark Dataset for Isometric Pose Evaluation

要約

等尺性運動は、利便性、プライバシー、および機器への最小限の依存を求めている個人にアピールします。
ただし、このようなフィットネストレーニングは、多くの場合、専門家の監督ではなく信頼できないデジタルメディアコンテンツに依存していることが多く、矯正フィードバックの欠如による誤った姿勢、怪我、解放など、深刻なリスクを導入します。
これらの課題に対処するために、等尺性ポーズを評価するためのリアルタイムフィードバックシステムを提示します。
私たちの貢献には、これまでで最大のマルチクラス等尺性エクササイズビデオデータセットのリリースが含まれます。これは、正しいバリエーションで6つのポーズにわたって3,600を超えるクリップを含むものです。
堅牢な評価をサポートするために、このデータセットにグラフベースのネットワークを含む最先端のモデルモデルをベンチマークし、分類の精度、間違いのローカリゼーション、モデルの信頼をキャプチャする新しい3部構成のメトリックを導入します。
私たちの結果は、在宅ワークアウトのためのインテリジェントでパーソナライズされた運動トレーニングシステムの実現可能性を高めます。
ユーザーに直接提供されるこの専門家レベルの診断は、これらのシステムの潜在的なアプリケーションをリハビリテーション、理学療法、および物理的な動きを含む他のさまざまなフィットネス分野にも拡大します。

要約(オリジナル)

Isometric exercises appeal to individuals seeking convenience, privacy, and minimal dependence on equipments. However, such fitness training is often overdependent on unreliable digital media content instead of expert supervision, introducing serious risks, including incorrect posture, injury, and disengagement due to lack of corrective feedback. To address these challenges, we present a real-time feedback system for assessing isometric poses. Our contributions include the release of the largest multiclass isometric exercise video dataset to date, comprising over 3,600 clips across six poses with correct and incorrect variations. To support robust evaluation, we benchmark state-of-the-art models-including graph-based networks-on this dataset and introduce a novel three-part metric that captures classification accuracy, mistake localization, and model confidence. Our results enhance the feasibility of intelligent and personalized exercise training systems for home workouts. This expert-level diagnosis, delivered directly to the users, also expands the potential applications of these systems to rehabilitation, physiotherapy, and various other fitness disciplines that involve physical motion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google