Comparison of Concurrent and Asynchronous Running Kinematics and Kinetics From Marker-Based and Markerless Motion Capture Under Varying Clothing Conditions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As markerless motion capture is increasingly used to measure 3-dimensional human pose, it is important to understand how markerless results can be interpreted alongside historical marker-based data and how they are impacted by clothing. We compared concurrent running kinematics and kinetics between marker-based and markerless motion capture, and between 2 markerless clothing conditions. Thirty adults ran on an instrumented treadmill wearing motion capture clothing while concurrent marker-based and markerless data were recorded, and ran a second time wearing athletic clothing (shorts and t-shirt) while markerless data were recorded. Differences calculated between the concurrent signals from both systems, and also between each participant's mean signals from both asynchronous clothing conditions were summarized across all participants using root mean square differences. Most kinematic and kinetic signals were visually consistent between systems and markerless clothing conditions. Between systems, joint center positions differed by 3 cm or less, sagittal plane joint angles differed by 5° or less, and frontal and transverse plane angles differed by 5° to 10°. Joint moments differed by 0.3 N·m/kg or less between systems. Differences were sensitive to segment coordinate system definitions, highlighting the effects of these definitions when comparing against historical data or other motion capture modalities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle