La captura de movimiento humano se ha convertido en una herramienta clave en diversas industrias, incluidas las deportivas, médicas y de animación de personajes para el sector del entretenimiento. La captura de movimiento se utiliza en los deportes para múltiples propósitos, incluida la prevención de lesiones, el análisis de lesiones, animaciones de la industria de los videojuegos e incluso generar visualización informativa para emisoras de televisión. Los sistemas tradicionales de captura de movimiento proporcionan resultados sólidos en la mayoría de circunstancias. Aún así, su configuración, calibración y posprocesamiento son costosos y requieren mucho tiempo, lo que dificulta su uso a gran escala. Estas preocupaciones se agravan en el caso de actividades acuáticas como la natación, que plantean problemas únicos como los reflejos de las marcas o la instalación de cámaras subacuáticas.
Los desarrollos recientes han permitido capturar el movimiento de fotografías y películas RGB utilizando dispositivos simples y asequibles. Estos sistemas de una sola cámara en tiempo real podrían abrir la puerta a la aplicación generalizada de la captura de movimiento durante eventos deportivos mediante la utilización de datos de vídeo en vivo existentes. Podría utilizarse en estructuras pequeñas para mejorar los programas de entrenamiento de los atletas aficionados. Sin embargo, debido a la necesidad de más datos, enfrentan varios obstáculos al utilizar la captura de movimiento basada en visión por computadora para nadar. Cada enfoque de estimación de Pose y Forma Humana (HPS), ya sea 2D (articulaciones 2D, segmentación del cuerpo) o 3D (articulaciones 3D, marcadores virtuales), debe extraer información de la imagen. Sin embargo, los algoritmos de visión por computadora entrenados en conjuntos de datos tradicionales necesitan ayuda para manejar datos acuáticos, ya que difieren mucho de las imágenes de entrenamiento.
Los avances recientes en la estimación de HPS demostraron que los datos sintéticos podrían reemplazar o complementar las imágenes reales. Presentan SwimXYZ para ampliar la aplicación de técnicas de captura de movimiento basadas en imágenes en la natación. SwimXYZ es un conjunto de datos artificiales que presenta películas específicas de natación anotadas con uniones 2D y 3D de piscinas reales. Los 3,4 millones de fotogramas de las 11.520 películas que componen SwimXYZ varían en la perspectiva de la cámara, el aspecto del sujeto y del agua, la iluminación y la acción. Junto con 240 secuencias de movimientos de natación sintéticos en formato SMPL, SwimXYZ ofrece una variedad de formas corporales y movimientos de natación.
Investigadores de CentraleSupélec, IETR UMR, Centrale Nantes y Université Technologique de Compiègne crearon SwimXYZ en este estudio, una colección considerable de movimientos y películas de natación artificial que estarán disponibles en línea cuando se acepte el artículo. Las pruebas de SwimXYZ demuestran el potencial para la captura de movimiento en natación, y su objetivo es ayudar a que su uso sea más amplio. Los estudios futuros pueden emplear movimientos en el formato SMPL para entrenar posturas y movimientos previos o clasificadores de brazadas de natación, además de las películas proporcionadas por SwimXYZ para entrenar modelos de estimación de posturas 2D y 3D. La falta de variedad de SwimXYZ en temas (género, tipo de cuerpo y apariencia del traje de baño) y ubicaciones (ambiente exterior, piso de la piscina) puede rectificarse en trabajos futuros. Otras mejoras pueden incluir otras anotaciones (como segmentación y mapas de profundidad) o la adición de movimientos de natación adicionales, como inmersiones y giros.
Revisar la Papel y Página del proyecto. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides unirte. nuestro SubReddit de 31k+ ML, Comunidad de Facebook de más de 40.000 personas, Canal de discordia, y Boletín electrónicodonde compartimos las últimas noticias sobre investigaciones de IA, interesantes proyectos de IA y más.
Si te gusta nuestro trabajo, te encantará nuestra newsletter.
También estamos en WhatsApp. Únase a nuestro canal de IA en Whatsapp.
Aneesh Tickoo es pasante de consultoría en MarktechPost. Actualmente está cursando su licenciatura en Ciencia de Datos e Inteligencia Artificial en el Instituto Indio de Tecnología (IIT), Bhilai. Pasa la mayor parte de su tiempo trabajando en proyectos destinados a aprovechar el poder del aprendizaje automático. Su interés de investigación es el procesamiento de imágenes y le apasiona crear soluciones en torno a él. Le encanta conectarse con personas y colaborar en proyectos interesantes.