이 연구는 야외 환경에서의 근육 활성화 추정(AMGE) 작업을 다룹니다. 기존의 AMGE 연구는 주로 착용형 센서 기반으로 이루어졌지만, 이는 불편하고 제한적인 환경에서만 사용 가능합니다. 이 연구에서는 YouTube 동영상을 활용하여 135가지 다양한 운동 유형을 포함하는 대규모 MuscleMap 데이터셋을 구축하였습니다. 이 데이터셋은 20개의 근육 그룹에 대한 이진 활성화 레이블을 제공합니다.
연구팀은 CNN, GCN, 트랜스포머 기반 모델 등 다양한 접근법을 시도했지만, 새로운 유형의 운동에 대한 일반화 성능이 여전히 과제로 남았습니다. 이를 해결하기 위해 제안한 TRANSM3E 모델은 비디오와 스켈레톤 데이터를 융합하고 지식 증류 기법을 활용하여 새로운 유형의 운동에 대한 일반화 성능을 크게 향상시켰습니다. TRANSM3E는 기존 모델 대비 평균 1.4%와 1.3% 더 높은 성능을 보였습니다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Kunyu Peng,D... um arxiv.org 04-30-2024
https://arxiv.org/pdf/2303.00952.pdfTiefere Fragen