Hua Tuo'nun Beş Doğum Frolics'in Yapay Zeka Odaklı Dijital Etkileşimli Tasarım ve Kamu İletişimi
Feb 26, 2025
3. Yapay zeka algoritmalarına dayalı hareket yakalama
Bir kameranın önündeki beş hayvan egzersiz cihazının etkileşimli işlevselliğini sağlamak için çekirdek, sanal ve gerçek dünya gösterimleri arasında bir bağlantı kurmaktır. Katılımcı gerçek dünyada var, ancak önce sanal dünyada yeniden inşa edilmelidir. Daha sonra, sanal karakter, çeşitli etkileşimli özellikler sağlayarak katılımcının yeniden yapılandırılmış görüntüsüyle eşleştirilir. Yüksek senkronize etkileşimler elde etmek için iki ana teknik zorlukla ilgili olmalıdır:İnsan poz tahminiVeİnsan hareketi yeniden hedefleme. Geleneksel insan rekonstrüksiyon yöntemleri genellikle pahalı hareket yakalama ekipmanlarına dayanmaktadır, ancak bu çalışma, daha düşük bir maliyetle insan yeniden yapılanmasına ulaşmak için yapay zekanın avantajlarından yararlanmaktadır.
Vücut geliştirme için yeni TCM bitkisel cistanche
İnsan poz tahmini teknolojisinin temel amacı, insan pozisyonlarını ve anahtar noktalarını video akışlarından tespit etmektir. Bu teknoloji, cihaz tasarımının iki temel özelliğine uygulanabilir:
Gerçek zamanlı video akışları bir kamera ile yakalanır ve model, sonraki işlemlere hazırlanan insan anahtar noktalarını algılar.
Beş hayvan egzersizleri hareketlerinin gereksinimlerini karşılamak için, bu egzersizlerin video klipleri, her hareket için anahtar noktaları tespit eden ve beş hayvan egzersizleri karakterlerinin iskelet dizilerini üreten, kullanıcı temsillerinin aktarılmasına hazırlanan modele önceden yüklenir.
Vücut geliştirme için yeni TCM bitkisel cistanche
Aşağıdaki bölüm, teknik uygulama sürecinin ayrıntılı bir açıklamasını sunmaktadır.
Vücut geliştirme için yeni TCM bitkisel cistanche
3.1 İskelet Ekstraksiyonu
Bu çalışma,OpenposeTool [13] gerçek zamanlı 2D anahtar noktası yakalama ve kayıt elde etmek için. OpenPose öncelikle gerçek zamanlı çok kişili 2D poz tahmini için kullanılır. Bir görüntüdeki her bireyin anahtar noktalarını (eklem konumları gibi) tespit ederek ve ilişkilendirerek, 3D yüzey bilgilerini veya vücut parçalarının ayrıntılı segmentasyonunu sağlamamasına rağmen, poz tanınmasını sağlar. Bu yöntem,Parça yakınlık alanları (PAF'lar), evrişimsel sinir ağları (CNN'ler) aracılığıyla, aynı anda vücut parçaları ve parçalar arasındaki afinite alanları için güven haritalarını öngörür. Anahtar noktalar, güçlü bir gerçek zamanlı performans sunan açgözlü bir çıkarım süreci kullanılarak ayrıştırılır.
Önceden eğitimli Openpose modeli hazırlanmış olarak, bu çalışma video akışı verilerini (ulusal şampiyon Cao Jin'in gösteri videoları kullanılarak) çıkarım modeline besler, iskelet dizileri elde etmek için iskelet verilerinin çıkarılması (bkz. Şekil 4).
Şekil 4 İnsan Vücudu Anahtar Noktalarının Tespit Sonuçları
3.2 Yoğun insan poz tahmini
2D iskelet ekstraksiyonu, sonraki hareket yeniden hedefleme görevleri için sınırlı destek sağlar ve yalnızca 2D iskeletlere basit karakter eşlemesi için geçerlidir. Daha karmaşık karakter temsillerinin ihtiyaçlarını karşılamak için, insan vücudunun 3D yüzey yapısı da çıkarılmalıdır.Çok kirli[14], bir görüntüdeki tüm insan piksellerini 3D insan yüzeyindeki karşılık gelen noktalarıyla haritalayarak yoğun insan poz tahmini elde etmeyi amaçlamaktadır. Bu yöntem sadece anahtar noktalarını tespit etmekle kalmaz, aynı zamanda UV koordinatlarını ve vücut kısmı segmentasyon maskelerini çıkararak her vücut kısmı için ayrıntılı yüzey parametrelendirmesi sağlar.
.Yoğun taş rcnnSistem,DenseregMaske-RCNN mimarisi ile yöntem. Bölge önerisi üretimi ve özellik havuzları kullanır, daha sonra yoğun tahminler için tamamen evrişimsel bir ağ kullanır. Bu, ayrık parça etiketleri ve sürekli yüzey koordinatları üreterek, eğitim yoluyla insan yüzeyinin yoğun yazışma ilişkisini tahmin eder.
Yoğun zaman zengin vücut yüzeyi bilgisi sağladığından, 3D modelleme, sanal gerçeklik (VR) ve artırılmış gerçeklik (AR) gibi ayrıntılı insan şekilleri ve görünümler gerektiren uygulamalar için uygundur. Nihayetinde, yoğun pozisyon, daha karmaşık karakter gösterimlerinin aktarılmasını destekleyerek insan yüzey bilgileri ve hareket dizileri içeren ayrıntılı veriler üretebilir (bkz. Şekil 5).
Şekil 5 Hua Tuo'nun Beş Doğum Frolics Video Görüntüsü ve Yoğun Poz Karşılaştırma Grafiği
3.3 İnsan hareketi yeniden hedefleme
Sanal bir karakterin bir kullanıcının gerçek zamanlı hareketlerini taklit etmesini sağlama veya bir kullanıcının fotoğrafını beş hayvan egzersizi yapmak için canlandırma, hepsi de güvenirİnsan hareketi yeniden hedeflemeTeknoloji. Bu teknoloji, bir kaynak hareket dizisini yeni bir hareket sırasına yönlendirir. Bunu başarmak için çeşitli yaklaşımlar vardır ve etkileşimli cihazın gereksinimlerine dayanarak, bu çalışma iki geçerli tekniği benimsemektedir.
Çıkarılaniskelet dizisi, iskelete dayalı basit işleme, yeni bir forma aktarmak için yeterlidir. Örneğin, bir "çubuk figürü" modeli tasarlayarak, kafa anahtar noktalarını büyütebilir ve vücut parçalarına farklı renkler ekleyebilir, böylece yeni bir temsil oluşturabiliriz.Tablo 3Beş hayvan egzersizleri videosunu kullanarak hareket yeniden hedeflemenin etkilerini gösterir.
Sekme.3 yeniden hedeflenen videodan önemli nokta görüntü ve görüntü içeren sonuçlar
Daha karmaşık hareket yeniden hedefleme senaryoları için, hedefe ulaşmaya yardımcı olmak için difüzyon modelleri tanıtılabilir. .SihirliÇerçeve [15], referans görüntüye zamansal tutarlılığı ve sadakatini korurken belirli bir hareket sırasına bağlı olan video animasyonlarının oluşturulmasına izin verir. Bu model, bir görünüm gömme oluşturmak için referans görüntüsünü bir görünüm kodlayıcısına yerleştirirken, hedef poz dizisi (örneğin, yoğun pozisyon) hareket koşullarını çıkarmak için bir poz kontrol ağına (ControlNet) girilir. Bu iki sinyale dayanarak, model referans kimliğini verilen poza göre canlandıran bir video difüzyon modelini eğitir.
Bu özelliği kullanarak, etkileşimli cihazımız kullanıcının hareket sırasını hedef poz dizisi ve beş hayvan egzersizi karakter görüntüsünü referans görüntü olarak alabilir. Bu, kullanıcının kameranın önündeki serbest hareketlerinin, beş-hayvan egzersiz karakterinin senkronize hareketini sürdürerek etkileşimli bir deneyim yaratmasını sağlar (bkz.Şekil 6).
Şekil 6 Ekran Etkisi Üretimi
4. "Hareket et, sağlıklı kalın ve tadını çıkarın" genel etkileşimli cihaz tasarımı
4.1 İşlevsel özellikler
"Taşınma, sağlıklı kalın ve tadını çıkarın" etkileşimli cihaz, katılımcıların cihazın önünde bir dizi görev gerçekleştirmelerini sağlamak için kameralardan ve yapay zeka teknolojisini kullanır. Bu hareketler daha sonra gerçek zamanlı olarak kaydedilir ve sürükleyici bir etkileşimli deneyim sağlayarak sanal karakter görüntüleri ile eşleştirilir. Etkileşimli cihazın uygulama senaryolarıŞekil 7.
Özellik 1: Kullanıcılar, canlı Kung Fu karakterleri, benzersiz tarzda blok karakterler ve basitleştirilmiş çubuk figürleri dahil olmak üzere kişisel tercihlere dayalı çeşitli sanal karakter gösterimleri arasından seçim yapabilirler. Bu görsel efektler sayesinde kullanıcılar zengin bir etkileşimli deneyime sahiptir. Bu karakterler sadece kullanıcıların hareketlerini taklit etmekle kalmaz, aynı zamanda bunlara yanıt verir.
Özellik 2: Kullanıcılar, beş hayvan egzersizlerini gerçekleştirme deneyimini geliştirmek için kameranın önünde tam vücut fotoğrafları çekebilirler. Sistem, kullanıcının görüntüsünü beş hayvan egzersiz video kliplerine ekleyerek kullanıcıların kendilerini Hua Tuo'nun beş hayvan egzersizlerinin ustaları olarak hayal etmelerini sağlayarak, çeşitli profesyonel hareketleri hassasiyetle gerçekleştirir.
Şekil 7 WildFit uygulama senaryoları
4.2 Parametre Ayarları
Cihaz adlandırıldı"Hareket et, sağlıklı kalın ve tadını çıkarın"Hayvanlar, doğa ve zindelik arasında bir bağlantı kurmak. Amaç, tasarımı bu üç unsur arasında bir köprü haline getirmektir. Bu konsepte dayanarak, cihaz dış mekan çimlerine veya eğlence parklarına yerleştirilmeyi amaçlayan etkileşimli bir ekran kurulumudur. Gösterildiği gibi çeşitli parametrelerle donatılmıştır.Tablo 4.
Tablo 4: "Hareket et, sağlıklı kalın ve tadını çıkarın" parametre yapılandırması
| Parametre | Detaylar |
|---|---|
| Ekran Boyutu | 2.5m × 1.5m |
| Çözünürlük | 1920 piksel × 1080 piksel |
| Etkileşimli Düğmeler | Başlat düğmesi; Hareket izleme ve geri bildirim göstergesi düğmesi; Çıkış Düğmesi |
| Dokunma Hassasiyeti | 10ms yanıt süresi, 30 fps kare hızı; El hareketlerini, vücut duruşunu ve fiziksel algılamayı destekler |
| Geri bildirim etkileşimi | Ses istemleri; veya görsel geri bildirim (örneğin, hizalanmamış vücut duruşu veya eksik hareket hareketlerini gösteren göstergeler) |
| Dayanıklılık | IP65 su geçirmez derecelendirme; alüminyum alaşımlı malzeme kabuğu
|
Şekil 8 WildFit Tasarım Konsepti Gösterisi
4.3.2 Fiziksel Değerlendirme: İçerik ve Yöntemler
Uygulamadan sonra fiziksel cihazın etkisini daha da değerlendirmek için aşağıdaki değerlendirme yöntemleri önerilmektedir:
1) Fiziksel Sağlık Göstergeleri
Amaç: Fitness programının fiziksel sağlık üzerindeki etkisini değerlendirmek için katılımcıların fiziksel sağlık göstergelerini fitness programına (örneğin, ağırlık, vücut yağ yüzdesi, kalp atış hızı, kan basıncı) dahil edin.
Yöntem: Doğrusal regresyon analizi
Doğrusal regresyon, fitness programından önce ve sonra katılımcıların fiziksel sağlık göstergelerindeki değişiklikleri analiz etmek için kullanılır. Formül aşağıdaki gibidir:
Y=β₀ + β₁x + ε
Y: Bağımlı değişken (örneğin, ağırlık değişimi).
X: Bağımsız değişken.
β₀Veβ₁: Regresyon katsayıları.
ε: Rastgele hata.
2) Psikolojik Sağlık Göstergeleri
Amaç: Zihinsel refah üzerindeki etkisini değerlendirmek için fitness programına (örn. Duygusal durum, stres seviyeleri, mutluluk) katıldıktan sonra katılımcıların psikolojik sağlık göstergelerini araştırın.
Yöntem: Lojistik regresyon analizi
Lojistik regresyon, programın psikolojik sağlık göstergeleri üzerindeki etkisini değerlendirmek için kullanılır (örn. Mutluluk). Formül aşağıdaki gibidir:
P (y =1)=1 / (1 + e^-(β₀x))
Y: İkili değişken (örneğin, katılımcının mutlu olup olmadığı).
X: Bağımsız değişken.
β₀Veβ₁: Regresyon katsayıları.
"Hareket, sağlıklı kalın ve tadını çıkarın" cihaz için bağımsız değişkenler detaylandırılırTablo 5.
3) Katılım ve Memnuniyet Araştırması
Amaç: Katılımcıların fitness programından katılımını ve memnuniyetini araştırın.
Yöntem: Cihazın kullanılabilirliği, keyfi ve pratikliği hakkında kullanıcı geri bildirimi ve beş hayvan egzersizi etkileşimli cihazdan genel memnuniyet hakkında kullanıcı geri bildirimi toplamak için bir anket anketi tasarlayın ve dağıtın.
Katılımcılar bu yönleri değerlendirecek ve geri bildirim puanları ve önerileri cihazın etkinliğini değerlendirmek için kullanılacaktır.
