实时反馈与等长姿势评估基准数据集
计算机视觉与模式识别
2025-06-16 v1 人工智能
人机交互
摘要
等长运动吸引了那些追求便利、隐私且对设备依赖最小的个人。然而，此类健身训练往往过度依赖不可靠的数字媒体内容而非专家指导，从而引入严重风险，包括姿势不正确、受伤以及因缺乏纠正性反馈而导致的参与度下降。为应对这些挑战，我们提出了一种用于评估等长姿势的实时反馈系统。我们的贡献包括发布迄今为止最大的多类等长运动视频数据集，涵盖六个姿势的正确和错误变体，共计超过3600个片段。为支持稳健评估，我们在该数据集上对最先进的模型（包括基于图的神经网络）进行了基准测试，并提出了一种新颖的三部分指标，能够捕捉分类准确率、错误定位和模型置信度。我们的结果提升了家庭锻炼智能个性化训练系统的可行性。这种直接传递给用户的专家级诊断，也将这些系统的潜在应用扩展到康复、物理治疗以及涉及身体运动的各类其他健身领域。
引用
@article{arxiv.2506.11774,
title = {Real-Time Feedback and Benchmark Dataset for Isometric Pose Evaluation},
author = {Abhishek Jaiswal and Armeet Singh Luthra and Purav Jangir and Bhavya Garg and Nisheeth Srivastava},
journal= {arXiv preprint arXiv:2506.11774},
year = {2025}
}