PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.35726v2cs.CV

AI 기반 재활 모니터링을 위한 단일 및 다중 뷰 카메라 환경에서 환자 방향의 영향

Impact of Patient Orientation in Single- and Multi-View Camera Environments for AI-based Rehabilitation Monitoring

재활 운동의 자동 품질 평가는 비디오 데이터로부터의 정확한 인간 자세 추정(human pose estimation)에 크게 의존한다. 수많은 RGB 기반 자세 추정 방법이 제안되었지만, 임상적으로 중요한 움직임 오류를 검출하는 데 있어 카메라 배치가 미치는 영향은 아직 충분히 연구되지 않았다. 이러한 공백을 해결하기 위해, 우리는 다양한 카메라 각도에서 촬영된 올바른 재활 운동 수행과 잘못된 재활 운동 수행으로 구성된 데이터셋(dataset)인 REHAB26-ViewAngles를 소개한다. 또한, 우리는 알고리즘이 유효한 운동 반복과 잘못된 운동 반복을 구별하는 능력을 정량화하기 위한 새로운 분리도(separability) 지표를 제안한다. 이러한 도구를 사용하여, 우리는 다양한 RGB 기반 자세 추정 전략이 카메라 배치가 달라지는 상황에서 운동 품질 평가에 얼마나 적합한지를 분석한다. 구체적으로, 우리는 단일 카메라 2D 및 3D 자세 추정과 네 가지 다중 카메라 전략—두 개의 직교하는 2D 뷰의 조합, 3D 삼각측량(triangulation), 가중 3D 융합(fusion), 그리고 동기화된 두 대의 카메라로부터 특별히 학습된 AI 기반 자세 추정 트랜스포머(transformer) 모델—을 분석한다. 우리의 연구 결과는 최적으로 배치된 2D 카메라가 일반적으로 사용되는 0° 정면 뷰에 비해 분리도를 16.9% 향상시킬 수 있으며, 단일 카메라 3D 추정보다 자주 더 나은 성능을 보인다는 것을 보여준다. 또한 두 개의 뷰를 결합하면 정확도를 최대 13.1%까지 추가로 향상시킬 수 있다. 이러한 결과는 가정 및 임상 환경 모두에서 재활 모니터링을 배포하는 데 실질적인 지침을 제공한다.

arXiv:2601.09698v2cs.CV

COMPOSE: 다중 뷰 3D 인체 자세 추정을 위한 하이퍼그래프 커버 최적화

COMPOSE: Hypergraph Cover Optimization for Multi-view 3D Human Pose Estimation

희소 다중 뷰 카메라 리그에서의 3D 인체 자세 추정은 행동 인식, 스포츠 분석, 인간-로봇 상호작용 등 다양한 응용 분야에서 필수적인 과제이다. 벤치마크에서는 학습 기반 방법이 해당 분야를 지배하고 있지만, 대규모 주석 데이터셋이 필요하다. 3D 지도 없이 2D 검출 결과로 뷰 간 대응 문제를 풀어 3D 지도를 우회하는 학습 없는 최적화 기반 방법은 여전히 유망하다. 기존 조합론적 공식화는 이 대응 문제를 모델링하기 위해 쌍별 연관에 의존하며, 뷰 간 전역 일관성은 사후 제약으로만 강제한다. 그러나 가림과 노이즈가 있는 검출 상황에서는 국소적으로 그럴듯한 쌍별 매칭을 조화시키는 것이 취약해지며, 국소 오류가 전역적으로 전파된다. 우리는 COMPOSE를 제안하며, 이는 다중 뷰 3D 인체 자세 추정을 사람 가설들의 하이퍼그래프 위에서 가중 정확 덮개(exact cover) 최적화 문제로 재구성한다. 우리의 공식화는 쌍별 연관과 사후 일관성 강제를 단일 전역 조합론적 목적 함수로 대체한다. 지수적으로 큰 후보 공간을 다루기 위해 기하학적 가지치기 전략과 함께 두 가지 상보적 솔버를 도입한다: 정확한 정수 선형 계획(Integer Linear Programming) 공식화와 Belief Propagation을 통한 확장 가능한 완화(relaxation)이다. 3D 지도 없이 COMPOSE는 최적의 최적화 기반 방법 대비 평균 정밀도(average precision)를 최대 31포인트, 자기지도 학습 방법 대비 13포인트 향상시켜, 학습 없는 다중 뷰 3D 인체 자세 추정에서 고차 조합론적 연관의 효과를 입증한다.