LAViTSPose: 検出-セグメンテーション-分類による頑健な座位姿勢認識のための軽量カスケードフレームワーク

科学分野:

• コンピュータビジョン
• ヒューマンコンピュータインタラクション
• 人間工学

背景:

• 正確な座位姿勢認識は、人間工学と健康監視にとって重要です。
• オクルージョンや注釈付きデータの制限などの実世界の課題は、モデルのパフォーマンスを妨げます。
• 既存の方法は、キーポイントのずれや一般化に苦労しています。

研究 の 目的:

• 挑戦的な実世界のシナリオにおける座位姿勢認識のための、頑健で軽量なフレームワークを開発すること。
• オクルージョン、注釈の不足、およびドメイン間の一般化の問題に対処すること。
• 自動人間工学評価の精度と効率を向上させること。

主な方法:

• 範囲認識IoU（RaIoU）損失を備えたYOLORベースの検出器を利用して、人物検出を改善するカスケードフレームワークであるLAViTSPoseを提案しました。
• クロスパーソンリークを処理し、オクルージョン/ヘッドオリエンテーションの手がかりを推定するためにESBodyを組み込みました。
• 姿勢ベースの分類と構造的一貫性正則化のために、空間変位接触（SDC）と学習可能な温度（LT）を備えたコンパクトなVision Transformer（ViT）ヘッド（MLiT）を開発しました。

主要な成果:

• LAViTSPoseは、USSPデータセットにおいて、座位姿勢分類と顔向き認識で優れたパフォーマンスを示しました。
• このフレームワークは、部分的な可視性と注釈の不足を効果的に処理します。
• リアルタイム推論速度を達成し、実用的なアプリケーションに適しています。

結論:

• LAViTSPoseは、特にオクルージョンやデータが限られている条件下での座位姿勢認識において、大きな進歩をもたらします。
• 提案された方法は、特徴の弁別性を高め、構造的エントロピーを低減します。
• このフレームワークは、大規模な人間工学評価および健康監視システムの改善に有望です。