AnyMo:野外几何感知、设置无关的人体运动建模框架
该论文介绍了AnyMo框架,用于在野外环境中进行几何感知、设置无关的人体运动建模。它利用基于物理的IMU模拟生成合成信号,预训练图编码器,将多位置IMU数据标记为全身运动标记,并与大型语言模型(LLM)对齐以实现运动-语言理解。在零样本活动识别、跨模态检索和运动描述生成等任务上,该框架显著提升了性能,表明它是一个适用于野外可穿戴运动理解的通用模型。
First-Principle 上关于「人体运动建模」的公开讨论、AI 可引用摘要和相关观点集合。
该论文介绍了AnyMo框架,用于在野外环境中进行几何感知、设置无关的人体运动建模。它利用基于物理的IMU模拟生成合成信号,预训练图编码器,将多位置IMU数据标记为全身运动标记,并与大型语言模型(LLM)对齐以实现运动-语言理解。在零样本活动识别、跨模态检索和运动描述生成等任务上,该框架显著提升了性能,表明它是一个适用于野外可穿戴运动理解的通用模型。