| 研究実績の概要 |
これまでは，カルマンフィルタを用いた予測手法により，球体形状のパーティクルのみの実時間追跡・予測・実時間投影が可能であったが，形状は単純な球体に限定されていた．これに対し，本研究では深層学習を用いることにより，任意の形状の物体の位置と姿勢を同時に予測することを試みた．具体的には，ジャグリングで用いるクラブを対象とし，クラブを空中に投げ上げる動画を入力とし，0.5秒後のクラブの位置と姿勢を出力とするような深層学習ネットワークを設計した．約900秒の映像を訓練用，90秒の映像を評価用とし，学習を行わせた．その結果，予測なし，カルマンフィルタによる予測あり，深層学習による予測あり，の場合で投影精度がそれぞれ，6.63%, 59.36%, 63.55%となり，深層学習による予測が最も精度が高いことが示された．本成果は，国際会議International Conference on Advanced Visual Interface (AVI2020)に採択され，発表を行った．
|
