Künstliche intelligenzgetriebene digitales interaktives Design und öffentliche Kommunikation von Hua Tuos Fünf-animaler-Gros
Feb 26, 2025
3.. Bewegungserfassung basierend auf künstlichen Intelligenzalgorithmen
Um die interaktive Funktionalität des Geräts von Fünfimalübungen vor einer Kamera zu ermöglichen, liegt der Kern darin, eine Verbindung zwischen virtuellen und realen Darstellungen herzustellen. Der Teilnehmer existiert in der realen Welt, muss aber zunächst in der virtuellen Welt rekonstruiert werden. Anschließend ist der virtuelle Charakter mit dem rekonstruierten Bild des Teilnehmers angepasst und ermöglicht verschiedene interaktive Merkmale. Um stark synchronisierte Interaktionen zu erreichen, müssen zwei wichtige technische Herausforderungen angegangen werden:Schätzung der menschlichen PoseUndMenschliche Bewegung retargetieren. Traditionelle menschliche Rekonstruktionsmethoden stützen sich häufig auf teure Geräte zur Bewegungserfassung, aber diese Studie nutzt die Vorteile der künstlichen Intelligenz, um den Menschenrekonstruktion zu geringeren Kosten zu erreichen.
Neue TCM Kräuterkistanche für Bodybuilding
Das Hauptziel der menschlichen Pose -Schätzungstechnologie ist es, menschliche Positionen und Tastoüsse aus Videoströmen zu erkennen. Diese Technologie kann auf zwei wichtige Funktionen des Gerätedesigns angewendet werden:
Echtzeit-Video-Streams werden über eine Kamera erfasst, und das Modell erkennt menschliche Tastaturen, die sich auf nachfolgende Operationen vorbereiten.
Um die Anforderungen der Bewegungen von fünfimalen Übungen zu erfüllen, werden Videoclips dieser Übungen in das Modell eingeladen, das die Tastout für jede Bewegung erkennt und Skelettsequenzen der Fünfimalübungszeichen erzeugt, wodurch sich auf die Übertragung von Benutzerdarstellungen vorbereitet.
Neue TCM Kräuterkistanche für das Körperbau
Der folgende Abschnitt enthält eine detaillierte Erklärung des technischen Implementierungsprozesses.
Neue TCM Kräuterkistanche für das Körperbau
3.1 Skelettextraktion
Diese Studie nutzt dieAufgeschlossenTool [13], um 2D-Tastoint-Erfassung und -aufnahmen in Echtzeit zu erreichen. Der Eröffnungszweck wird hauptsächlich für die Echtzeit-Multi-Personen-2D-Pose-Schätzung verwendet. Durch Erkennung und Zusammenhang der Tastouts (wie gemeinsamen Positionen) jeder Person in einem Bild ermöglicht es eine Pose -Erkennung, obwohl es keine 3D -Oberflächeninformationen oder eine detaillierte Segmentierung von Körperteilen liefert. Diese Methode führt das Konzept von vorTeil Affinitätsfelder (PAFS), die durch Faltungs neuronaler Netzwerke (CNNs) gleichzeitig Vertrauenskarten für Körperteile und Affinitätsfelder zwischen Teilen vorhersagen. TastointS werden mit einem gierigen Inferenzprozess analysiert und bieten eine starke Echtzeitleistung.
Mit dem vorbereiteten vorbereiteten Eröffnungsmodell führt diese Studie Video-Stream-Daten (unter Verwendung von Demonstrationsvideos des Nationalen Champion Cao Jin) in das Modell für Inferenz und extrahiert Skelettdaten, um Skelettsequenzen zu erhalten (siehe Abbildung 4).
Abb.4 Erkennungsergebnisse der menschlichen Körpersentastepunkte
3.2 Schätzung der menschlichen Pose -Pose
Die 2D -Skelett -Extraktion bietet eine begrenzte Unterstützung für nachfolgende Retargeting -Aufgaben und gilt nur für einfache Charakter -Mapping auf 2D -Skelette. Um den Bedürfnissen komplexerer Charakterdarstellungen zu erfüllen, muss auch die 3D -Oberflächenstruktur des menschlichen Körpers extrahiert werden.Dicht[14] zielt darauf ab, eine dichte Schätzung der menschlichen Pose zu erreichen, indem alle menschlichen Pixel in einem Bild auf ihre entsprechenden Punkte auf einer 3D -menschlichen Oberfläche abgebildet werden. Diese Methode erkennt nicht nur Tastoint, sondern liefert auch eine detaillierte Oberflächenparametrisierung für jeden Körperteil, wodurch UV -Koordinaten und Segmentierungsmasken von Körperteilssegmentierung ausgegeben werden.
DerDensepell-RCNNDas System nutzt ein Faltungsnetz (CNN), das die kombiniertDerseregMethode mit der Mask-RCNN-Architektur. Es verwendet eine Kaskade der Region -Vorschlagsgenerierung und -Polking und verwendet dann ein vollständig Faltungsnetzwerk für dichte Vorhersagen. Dies erzeugt diskrete Teilbezeichnungen und kontinuierliche Oberflächenkoordinaten, wodurch die dichte Korrespondenzbeziehung der menschlichen Oberfläche durch Training vorhersagt.
Da Dehetlepeltierung reichhaltige Informationen zur Körperoberfläche liefert, ist es für Anwendungen geeignet, die detaillierte menschliche Formen und Erscheinungen wie die 3D -Modellierung, die virtuelle Realität (VR) und die Augmented Reality (AR) erfordern. Letztendlich kann Densepelt detaillierte Daten erstellen, die Informationen und Bewegungssequenzen menschlicher Oberflächen enthalten, wodurch die Übertragung komplexerer Charakterdarstellungen unterstützt wird (siehe Abbildung 5).
Abb.5 Hua Tuos Fünf-animaler-Frolics-Videobild und dichter Pose-Vergleichstabelle
3.3 Retargeting von menschlicher Bewegung
Unabhängig davonMenschliche Bewegung retargetierenTechnologie. Diese Technologie leitet eine Quellbewegungssequenz in eine neue Bewegungssequenz um. Es gibt verschiedene Ansätze, um dies zu erreichen, und basierend auf den Anforderungen des interaktiven Geräts werden in dieser Studie zwei anwendbare Techniken angewendet.
Für die extrahiertenSkelettsequenzEine einfache Verarbeitung basierend auf dem Skelett reicht aus, um es in eine neue Form zu übertragen. Durch das Entwerfen eines "Stick -Figur" -Modells können wir beispielsweise die Head -Tastoint -Punkte vergrößern und den Körperteilen verschiedene Farben hinzufügen, wodurch eine neue Darstellung erzeugt wird.Tabelle 3Veranschaulicht die Auswirkungen der Bewegungsretargeting mithilfe des Video-Video-VIDEO.
Tab.3 Ergebnisse mit Schlüsselpunktbild und Bild aus dem Retargeted -Video
Für komplexere Retargeting -Szenarien für Bewegung können Diffusionsmodelle eingeführt werden, um das Ziel zu erreichen. DerMagicanimateFramework [15] ermöglicht die Erzeugung von Videoanimationen, die an eine bestimmte Bewegungssequenz haften und gleichzeitig die zeitliche Konsistenz und Treue zum Referenzbild beibehalten. Dieses Modell einbettet das Referenzbild in einen Aussehenscodierer ein, um ein Erscheinungsbett zu erzeugen, während die Ziel -Pose -Sequenz (z. B. Dichtung) in ein Pose Control -Netzwerk (ControlNET) eingeben wird, um Bewegungsbedingungen zu extrahieren. Basierend auf diesen beiden Signalen trainiert das Modell ein Video -Diffusionsmodell, das die Referenzidentität gemäß der angegebenen Pose animiert.
Mit dieser Funktion kann unser interaktives Gerät die Bewegungssequenz des Benutzers als Ziel-Pose-Sequenz und das Fünfimalübungs-Zeichenbild als Referenzbild betrachten. Dadurch können die freien Bewegungen des Benutzers vor der Kamera die synchronisierte Bewegung des Fünfimalübungscharakters vorantreiben und ein interaktives Erlebnis schaffen (sieheAbbildung 6).
Abb.6 Bildschirmeffektgenerierung
4. "Bewegen Sie sich, bleiben Sie gesund und genießen Sie das öffentliche interaktive Gerätedesign" öffentlich "
4.1 Funktionale Merkmale
Das interaktive Gerät "Move, Bleib gesund und genießen" nutzt Kameras und künstliche Intelligenz -Technologie, damit die Teilnehmer eine Reihe von Aufgaben vor dem Gerät ausführen können. Diese Bewegungen werden dann in Echtzeit aufgezeichnet und mit virtuellen Charakterbildern abgestimmt, was ein immersives interaktives Erlebnis bietet. Die Anwendungsszenarien des interaktiven Geräts sind in angezeigtAbbildung 7.
Feature 1: Benutzer können aus einer Vielzahl von virtuellen Charakterdarstellungen, die auf persönlichen Vorlieben basieren, einschließlich lebhafter Kung -Fu -Charaktere, einzigartig gestalteten Blockcharakteren und vereinfachten Stick -Figuren auswählen. Durch diese visuellen Effekte genießen Benutzer ein reichhaltiges interaktives Erlebnis. Diese Charaktere ahmen nicht nur die Bewegungen der Benutzer nach, sondern reagieren auch auf sie.
Feature 2: Benutzer können Ganzkörperfotos vor der Kamera aufnehmen, um die Erfahrung der Ausführung der Fünfimalübungen zu verbessern. Das System fügt das Bild des Benutzers in die Videoclips mit fünfimaler Übung ein und ermöglicht es den Benutzern, sich als Meister der Fünf-Animal-Übungen von Hua Tuo vorzustellen und verschiedene professionelle Bewegungen mit Präzision auszuführen.
Abb.7 Wildfit -Anwendungsszenarien
4.2 Parametereinstellungen
Das Gerät wird benannt"Bewegen Sie sich, bleiben Sie gesund und genießen Sie"einen Zusammenhang zwischen Tieren, Natur und Fitness herzustellen. Ziel ist es, das Design zu einer Brücke zwischen diesen drei Elementen zu machen. Basierend auf diesem Konzept ist das Gerät eine interaktive Bildschirminstallation, die auf Rasenflächen im Freien oder in Vergnügungsparks platziert werden soll. Es ist mit verschiedenen Parametern ausgestattet, wie in gezeigtTabelle 4.
Tabelle 4: "Bewegen Sie sich, bleiben Sie gesund und genießen Sie" Parameterkonfiguration
| Parameter | Details |
|---|---|
| Bildschirmgröße | 2,5 m × 1,5 m |
| Auflösung | 1920 Pixel × 1080 Pixel |
| Interaktive Tasten | Startknopf; Bewegungsverfolgung und Feedback -Anzeigeltaste; Taste beenden |
| Empfindlichkeit berühren | 10 ms Reaktionszeit, 30fps -Bildrate; Unterstützt Handgesten, Körperhaltung und physische Erfassungen |
| Feedback -Interaktion | Sprachaufforderungen; oder visuelles Feedback (z. B. Indikatoren, die eine nicht ausgerichtete Körperhaltung oder unvollständige Bewegungsgesten zeigen) |
| Haltbarkeit | IP65 wasserdichte Bewertung; Materieschale mit Aluminiumlegierung
|
Abb.8 Wildfit Design Concept Demonstration
4.3.2 Physikalische Bewertung: Inhalt und Methoden
Um die Auswirkungen des physischen Geräts nach der Anwendung weiter zu bewerten, werden die folgenden Bewertungsmethoden vorgeschlagen:
1) Indikatoren für körperliche Gesundheit
Zweck: Vergleichen Sie die physischen Gesundheitsindikatoren der Teilnehmer vor und nach dem Fitnessprogramm (z. B. Gewicht, Körperfettanteil, Herzfrequenz, Blutdruck), um die Auswirkungen des Fitnessprogramms auf die körperliche Gesundheit zu bewerten.
Verfahren: Lineare Regressionsanalyse
Lineare Regression wird verwendet, um die Änderungen der körperlichen Gesundheitsindikatoren der Teilnehmer vor und nach dem Fitnessprogramm zu analysieren. Die Formel lautet wie folgt:
Y=β₀ + β₁x + ε
Y: Abhängige Variable (z. B. Gewichtsänderung).
X: Unabhängige Variable.
β₀Undβ₁: Regressionskoeffizienten.
ε: Zufälliger Fehler.
2) psychologische Gesundheitsindikatoren
Zweck: Untersuchen Sie die psychologischen Gesundheitsindikatoren der Teilnehmer nach Teilnahme am Fitnessprogramm (z. B. emotionaler Zustand, Stressniveau, Glück), um die Auswirkungen auf das geistige Wohlbefinden zu bewerten.
Verfahren: Logistische Regressionsanalyse
Logistische Regression wird verwendet, um die Auswirkungen des Programms auf psychologische Gesundheitsindikatoren (z. B. Glück) zu bewerten. Die Formel lautet wie folgt:
P (y =1)=1 / (1 + e^-(β₀ + β₁x)))
Y: Binäre Variable (z. B. ob sich der Teilnehmer glücklich fühlt).
X: Unabhängige Variable.
β₀Undβ₁: Regressionskoeffizienten.
Für das Gerät "Bewegung, gesund bleiben und genießen" sind die unabhängigen Variablen in detailliertTabelle 5.
3) Umfrage zur Engagement und Zufriedenheit
Zweck: Untersuchen Sie das Engagement und die Zufriedenheit der Teilnehmer mit dem Fitnessprogramm.
Verfahren: Entwerfen und verteilen Sie einen Umfragefragebogen, um das Feedback der Benutzer zur Benutzerfreundlichkeit, den Genuss und die Praktikabilität des Geräts sowie die allgemeine Zufriedenheit mit dem interaktiven Gerät von fünfimalen Übungen zu sammeln.
Die Teilnehmer bewerten diese Aspekte und die Rückmeldungen und Vorschläge werden verwendet, um die Wirksamkeit des Geräts zu bewerten.
