IMUOptimize：一种面向Transformer架构人体姿态估计的最优IMU放置数据驱动方法
机器学习
2024-02-20 v2
摘要
本文提出了一种利用IMU数据预测人体姿态的新方法，与之前使用多达6个IMU并结合双向RNN的研究（如DIP-IMU、IMUPoser和TransPose）不同。我们引入了两项主要创新：一种用于最优IMU放置的数据驱动策略，以及一种用于时间序列分析的基于Transformer的模型架构。我们的研究结果表明，我们的方法不仅优于传统的基于6个IMU的双向RNN模型，而且Transformer架构显著增强了从24个IMU位置获取的数据的姿态重建能力，当仅使用6个IMU时，其性能与双向RNN相当。我们最优选择的位置所提供的增强精度，与Transformer的并行性和性能相结合，为基于IMU的姿态估计领域带来了显著的改进。
引用
@article{arxiv.2402.08923,
title = {IMUOptimize: A Data-Driven Approach to Optimal IMU Placement for Human Pose Estimation with Transformer Architecture},
author = {Varun Ramani and Hossein Khayami and Yang Bai and Nakul Garg and Nirupam Roy},
journal= {arXiv preprint arXiv:2402.08923},
year = {2024}
}
备注
8 pages, 16 figures