Garment Inertial Denoiser (GID)：为贴合式 IMU 运动捕捉提供精准去噪
计算机视觉与模式识别
2026-01-06 v1 人机交互
摘要
可穿戴惯性运动捕捉 (MoCap) 提供了一种便携、无遮挡且保护隐私的摄像头系统替代方案，但其精度取决于紧密贴合传感器——这对于日常使用而言是一种入侵性且不舒适的要求。将 IMU 嵌入松散服装是一种理想的替代方案，但传感器与身体之间的位移会引入严重、结构化且位置依赖性的干扰，破坏了标准的惯性管线。我们提出了 GID（Garment Inertial Denoiser），一个轻量级、即插即用的 Transformer 模型，将松散服装 MoCap 分解为三个阶段：(i) 位置特定去噪，(ii) 自适应跨服装融合，(iii) 通用姿态预测。GID 使用位置感知专家架构，其中共享的时空 backbone 模型全局建模运动，同时每个 IMU 的专家头专门处理局部服装动力学，通过轻量级融合模块确保跨部件一致性。这种归纳偏置使训练保持稳定，能够有效地从有限的配对松散-紧致 IMU 数据中学习。我们还引入了 GarMoCap 数据集，涵盖多样用户、动作和服装。实验表明，GID 能够实现从单用户训练的准确、实时去噪，并在未见的用户、动作和服装类型之间具有良好的泛化能力，始终通过作为即插即用模块使用时，持续改进当前状态的惯性 MoCap 方法。
关键词
引用
@article{arxiv.2601.01360,
title = {Garment Inertial Denoiser (GID): Endowing Accurate Motion Capture via Loose IMU Denoiser},
author = {Jiawei Fang and Ruonan Zheng and Xiaoxia Gao and Shifan Jiang and Anjun Chen and Qi Ye and Shihui Guo},
journal= {arXiv preprint arXiv:2601.01360},
year = {2026}
}
备注
11 pages, 4 figures