Markerless motion capture for the hands and fingers
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
Hand and finger movements are underrepresented in biomechanical studies, primarily due to the challenge of tracking the hands and fingers. Several limitations are associated with marker-based motion capture, including interference with natural movement, and require the tedious, time-consuming application of numerous markers. Advancements in computer vision have led to the development of markerless motion capture systems yet validation of markerless systems for the upper extremities is limited, especially the hand and fingers. The purpose of this study was to develop and assess a markerless motion capture system capable of tracking hand and finger kinematics. A markerless system using four synchronized webcams was developed. Camera pairs were organized in different angles Centre90° (C/90°), Left45°/Right45° (L45°/R45°), and Centre/Left45° (C/L45°). Motion capture was performed with both marker-based and markerless systems. Twenty healthy participants performed five dynamic hand tasks with and without markers. Three-dimensional joint positions were defined using a musculoskeletal model in OpenSim. No significant differences were observed between C/90° and C/L45° markerless camera pairs and the marker-based system. The L45°/R45° camera pair differed significantly from other markerless pairs in several tasks but agreed with the marker-based system for the index finger during flexion. For most of the fingers, no significant differences were found across the different camera pairs. Correlations and error for the concurrent finger flexion task revealed high consistency among all the camera pairs, with R² above 0.90 and RMSD below 10°, the thumb showed greater variability. The R² and RMSD varied depending on the camera comparison and finger for each task. Markerless motion capture for the hands and fingers is possible with little difference to marker-based systems and is dependent on the camera orientation used.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 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