基于 Transformer 注意力网络从单视角 RGB 视频学习估计关键步态参数
计算机视觉与模式识别
2024-03-04 v2
摘要
患者的肌肉骨骼疾病与认知障碍会导致运动困难以及对心理健康的负面影响。作为早期诊断和治疗重要工具的步态临床分析，传统上依赖昂贵的光学运动捕捉系统。计算机视觉与深度学习的近期进展为更可及且更具成本效益的替代方案打开了大门。本文引入一种新颖的时空 Transformer 网络，从单视角相机捕获的 RGB 视频中估计关键步态参数。在脑瘫患者公开数据集上的实证评估表明，所提框架超越了当前最先进方法，在预测通用步态参数（包括步行速度、步态偏离指数-GDI 和最大伸展时膝关节屈曲角）方面表现出显著改进，同时使用了更少的参数并缓解了手动特征提取的需求。
关键词
引用
@article{arxiv.2312.00398,
title = {Learning to Estimate Critical Gait Parameters from Single-View RGB Videos with Transformer-Based Attention Network},
author = {Quoc Hung T. Le and Hieu H. Pham},
journal= {arXiv preprint arXiv:2312.00398},
year = {2024}
}
备注
Accepted at ISBI 2024 (21st IEEE International Symposium on Biomedical Imaging)