تام بردی ، کارفرمای میهنی ، غالباً موفقیت خود را صرف صرف ساعتهای بی شماری برای مطالعه حرکات حریف خود در فیلم می کند. این درک از حرکت برای همه گونه های زنده لازم است ، خواه تشخیص اینکه چه زاویه ای برای پرتاب توپ وجود دارد ، یا درک حرکت شکارچیان و طعمه ها. اما فیلم های ساده در واقع نمی توانند تصویر کاملی به ما دهند.
دلیل آن این است که فیلم ها و عکس های سنتی برای مطالعه حرکت دو بعدی هستند و ساختار زیربنایی 3 بعدی شخص یا موضوع مورد نظر را به ما نشان نمی دهند. بدون هندسه کامل ، ما نمی توانیم حرکات کوچک و ظریف را که به ما کمک می کند حرکت سریع تری داشته باشیم ، بررسی کنیم و یا از دقت لازم برای تکمیل فرم ورزشی خود استفاده کنیم.
هرچند اخیراً ، محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) راهی برای دستیابی بهتر به این درک حرکت پیچیده ارائه داده اند.
سیستم جدید از الگوریتمی استفاده می کند که می تواند فیلم های 2 بعدی بگیرد و آنها را به "مجسمه های حرکتی" چاپ شده تبدیل کند که نشان می دهد چگونه بدن انسان در فضا حرکت می کند. این تیم علاوه بر اینکه یک تجسم زیبایی شناختی جذاب از شکل و زمان است ، پیش بینی می کند که سیستم "MoSculp" آنها می تواند یک مطالعه بسیار دقیق تر از حرکت را برای ورزشکاران حرفه ای ، رقاصندگان و یا هر کسی که می خواهد مهارت های بدنی خود را بهبود ببخشد ، ممکن کند.
دکتری می گوید: "تصور کنید که شما یک فیلم از راجر فدرر که در یک مسابقه تنیس توپ می زند و یک ویدئو از خود در حال یادگیری تنیس است ، دارید." دانشجو Xiuming ژانگ ، نویسنده اصلی مقاله جدید در مورد سیستم. "سپس می توانید مجسمه های حرکتی از هر دو سناریو بسازید تا بتوانید آنها را با یکدیگر مقایسه کرده و جامع تر مطالعه کنید که در آنجا باید پیشرفت کنید.
از آنجا که مجسمه های حرکتی 3 بعدی هستند ، کاربران می توانند از یک رابط رایانه برای حرکت در داخل سازه ها استفاده کرده و آنها را از دیدگاه های مختلف ببینند ، و اطلاعات مربوط به حرکت را از دیدگاه اصلی غیرقابل دسترسی نشان می دهد.
ژانگ این مقاله را در کنار اساتید MIT ، ویلیام فریمن و استفانی مولر ، دکتری نوشت. دانشجو جیاجون وو ، محققان گوگل Qiurui He و Tali Dekel و همچنین UC Berkeld postdoc و دکتری CSAIL سابق. اندرو اوونز
چگونه کار می کند
هنرمندان و دانشمندان مدتها است که تلاش می کنند بینش بهتری در مورد حرکت ، محدود به لنز دوربین خود و آنچه که می تواند فراهم کند ، بدست آورند.
کارهای قبلی بیشتر از تکنیک های عکاسی به اصطلاح "استروبوسکوپی" استفاده شده اند که بسیار شبیه تصاویر موجود در یک کتاب تلنگر هستند که به هم دوخته شده اند. اما از آنجا که این عکس ها فقط عکس های لحظه ای از حرکت را نشان می دهند ، شما نمی توانید به عنوان مثال بسیاری از مسیر بازوی یک شخص را هنگام زدن توپ گلف مشاهده کنید.
از این گذشته ، این عکسها همچنین به تنظیمات پرشور قبل از شلیک ، مانند استفاده از پس زمینه تمیز و دوربین های عمق ویژه و تجهیزات روشنایی نیاز دارند. تمام نیازهای MoSculp یک دنباله ویدیویی است.
با توجه به یک فیلم ورودی ، سیستم ابتدا به طور خودکار نقاط کلیدی 2 بعدی را بر روی بدن سوژه مانند مفصل ران ، زانو و مچ پا از یک بالرین تشخیص می دهد در حالی که او دنباله رقص پیچیده ای را انجام می دهد. سپس ، بهترین نکات ممکن از آن نقاط به اسکلت های 3 بعدی تبدیل می شود.
پس از دوخت این اسکلت ها به یکدیگر ، سیستم مجسمه ای حرکتی ایجاد می کند که می تواند 3 بعدی چاپ شود و مسیر صاف و مداوم حرکت را که توسط سوژه پیگیری می شود نشان می دهد. کاربران می توانند چهره های خود را برای تمرکز روی قسمت های مختلف بدن ، اختصاص دادن مواد مختلف به منظور تمایز بین قسمت ها و حتی سفارشی کردن نورپردازی ، سفارشی کنند.
در مطالعات کاربران ، محققان دریافتند که بیش از 75 درصد از افراد احساس می کنند که MoSculp تجسم دقیق تری را نسبت به تکنیک های عکاسی استاندارد ارائه می دهد.
کورتنی بریگام ، مدیر ارتباطات در Adobe می گوید: "رقص و حرکات ورزشی بسیار ماهرانه اغلب به نظر می رسد" مجسمه های متحرک "هستند اما آنها فقط اشکال زودگذر و زودگذر ایجاد می کنند." وی گفت: "این کار نحوه حرکت و تبدیل به مجسمه های واقعی را با تجسم های عینی از حرکت نشان می دهد ، راهی را فراهم می کند تا ورزشکاران بتوانند حرکات خود را برای تمرینات مورد تجزیه و تحلیل قرار دهند ، نیازی به تجهیزات بیشتری نسبت به دوربین موبایل و زمان محاسبات ندارند."
این سیستم برای حرکات بزرگتر مانند پرتاب توپ یا گرفتن یک جهش جارو در حین سکانس بهتر عمل می کند. همچنین برای موقعیت هایی کار می کند که ممکن است مانع یا پیچیده حرکت شوند ، مانند افرادی که لباس سست و یا اشیاء حمل می کنند.
http://bookmark-template.com/story6997061/قیمت-اکچویتور
نظرات شما عزیزان:
