基于2D图像的方法进行婴儿姿势估计的比较.
Lennart Jahn1,2, Sarah Flügge3, Dajie Zhang4,5
1Child and Adolescent Psychiatry and Psychotherapy, University Medical Center Göttingen; German Center for Child and Adolescent Health (DZKJ), Leibniz Science Campus Göttingen, Von-Siebold-Str. 5, Göttingen, Germany. lennart.jahn@phys.uni-goettingen.de.
Scientific reports
|April 9, 2025
概括
像ViTPose这样的通用姿势估计模型在婴儿一般运动评估 (GMA) 中表现最好. 在婴儿数据上重新训练模型可以提高准确性,强调需要仔细选择姿势估计器,以获得可靠的自动化GMA.
科学领域:
- 生物医学工程 生物医学工程
- 发育儿科 发育儿科
- 计算机视觉 计算机视觉
背景情况:
- 自动通用运动评估 (GMA) 依赖于视频的准确婴儿姿势估计.
- 现有的姿势估计器通常是通用的 (训练成年人) 或专门用于婴儿,性能各不相同.
研究的目的:
- 为了比较通用和专用婴儿姿势估计器对自动化GMA的性能.
- 评估视角 (对角与上下) 对婴儿姿势估计准确度的影响.
主要方法:
- 从75个婴儿录音 (4-16周) 中利用了4500个注释的视频.
- 计算错误和正确关键点的百分比 (PCK) 来评估姿势估计的准确性.
- 将通用模型 (例如,ViTPose) 和婴儿特定模型的性能进行比较,并评估对角线和上下相机视图.
主要成果:
- 在成年人身上训练的通用ViTPose模型在婴儿数据集上表现出卓越的表现.
- 与通用产品相比,使用专门的婴儿姿势估计器没有观察到显著的改善.
- 在婴儿数据上重新训练一个通用模型显著改善了姿势估计的准确性.
- 顶向下摄像头视图比传统的对角视图产生了明显更好的姿势估计准确度.
结论:
- 一般的姿势估计器,特别是当在目标数据上重新训练时,对于GMA中的婴儿姿势估计是有效的.
- 婴儿特定姿势估计器在不同婴儿数据集中显示有限的概括能力.
- 建议在未来的自动GMA录制设置中使用上下视角来提高准确性.
