实体
markerless motion capture
markerless motion capture
PulseAugur coverage of markerless motion capture — every cluster mentioning markerless motion capture across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI无标记运动捕捉增强神经康复评估
研究人员开发了一个基于AI的无标记运动捕捉系统，以增强神经康复中的动作研究手臂测试（ARAT）。该系统能够准确重建上肢运动，并提供客观的运动学指标，与ARAT的传统序数评分相比，具有更高的灵敏度和特异性。案例研究表明，这些运动学指标可以揭示患者特定的恢复情况，并在ARAT评分停滞后仍能检测到改善，从而更详细地了解患者的进展。
-
AI运动捕捉技术超越序数评分，增强临床肢体评估
研究人员探索了使用基于AI的无标记运动捕捉（MMC）技术来增强动作研究手臂测试（ARAT）的应用，ARAT是神经康复中常用的上肢评估方法。传统的ARAT评分主观性强且敏感度不足。通过将MMC集成到常规临床评估中，研究发现AI能够准确重建上肢运动，并提供客观的运动学指标。这些指标比序数评分具有更高的特异性和敏感性，揭示了患者特异性的恢复模式，并在ARAT评分停滞后仍能检测到改善。
-
新的生物力学感知方法增强了无标记手部动作捕捉
研究人员开发了一种新的生物力学感知方法，用于灵巧手动作的无标记捕捉，其性能优于传统的两阶段重建技术。这种新颖的方法利用了与生物力学模型集成的端到端、基于梯度的优化方法，在处理遮挡时表现出更强的鲁棒性和生物力学合理性。该系统成功处理了所有记录的任务，而对比方法未能收敛15%的任务，突显了新流程在临床评估和运动控制研究中的有效性。