论文页面 - 解码儿童步态行为

Source: https://huggingface.co/papers/2608.00371

作者：

, , , , , , , , , , , ,

摘要

我们引入了一个新的人类动作识别问题领域：从标准RGB视频中对儿童步态行为进行细粒度分析。我们特别关注3-17岁儿童的行走模式。此类行为在多种关键发育和神经肌肉疾病（如脑性瘫痪和偏瘫）的诊断和治疗中自然出现。尽管其具有临床价值，当前基于3D传感器的步态分析系统昂贵、具侵入性，且通常对年幼受试者不切实际。为解决这一问题，我们引入了一个新数据集，包含来自110名受试者的超过1,100个高帧率（60FPS）视频序列，并伴有同步且匿名化的姿态序列。在每次会话中，儿童执行一项5秒的“走动”任务，从多个视角捕捉步态周期。关键的是，我们证明了当前最先进的方法（包括步态基础模型和多模态大语言模型（MLLMs））无法有效解决这些临床细微差别。我们识别了分析这些不规律且微妙的运动模式所面临的关键技术挑战，并描述了一个统一的端到端框架，用于解码儿童步态的基本组成部分。通过全面的实验结果，我们展示了该数据集在推动新研究问题和建立自动化儿童步态评估严谨基线方面的潜力。

查看 arXiv 页面 (https://arxiv.org/abs/2608.00371)
查看 PDF (https://arxiv.org/pdf/2608.00371)
项目页面 (https://pediamedai.com/ChildrenGait/)
GitHub2 (https://github.com/PediaMedAI/ChildrenGait)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.00371)

在您的代理中获取此论文：

hf papers read 2608\.00371

没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2608.00371，即可从本页面链接到该模型。

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2608.00371，即可从本页面链接到该数据集。

引用此论文的Space0

没有Space链接此论文

在Space的 README.md 中引用 arxiv.org/abs/2608.00371，即可从本页面链接到该Space。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection)，即可从本页面链接到它。