Kunstig intelligensdrevet digital interaktiv design og offentlig kommunikasjon av Hua Tuos fem-animale frolikk
Feb 26, 2025
3. Bevegelsesfangst basert på kunstig intelligensalgoritmer
For å aktivere den interaktive funksjonaliteten til fem-dyr-øvelsesenheten foran et kamera, ligger kjernen i å etablere en forbindelse mellom virtuelle og virkelige representasjoner. Deltakeren eksisterer i den virkelige verden, men må først rekonstrueres i den virtuelle verdenen. Deretter blir den virtuelle karakteren tilpasset det rekonstruerte bildet av deltakeren, noe som muliggjør forskjellige interaktive funksjoner. For å oppnå sterkt synkroniserte interaksjoner, må to store tekniske utfordringer løses:Menneskelig positur estimeringogMenneskelig bevegelsesretting. Tradisjonelle menneskelige gjenoppbyggingsmetoder er ofte avhengige av dyrt bevegelsesfangstutstyr, men denne studien utnytter fordelene med kunstig intelligens for å oppnå menneskelig rekonstruksjon til en lavere pris.
Ny TCM Herbal Cistanche for kroppsbygging
Det primære målet med estimeringsteknologi for menneskelig posering er å oppdage menneskelige posisjoner og tastaturer fra videostrømmer. Denne teknologien kan brukes på to viktige funksjoner i enhetsdesign:
Videostrømmer i sanntid blir fanget opp via et kamera, og modellen oppdager menneskelige tastaturer, og forbereder seg på påfølgende operasjoner.
For å oppfylle kravene i bevegelsene med fem animale øvelser, blir videoklippene av disse øvelsene forhåndsinnlastet inn i modellen, som oppdager tastaturene for hver bevegelse og genererer skjelettsekvenser av de fem-animale øvelsene tegn, forbereder seg på overføring av brukerrepresentasjoner.
Ny TCM Herbal Cistanche for kroppsbygging
Følgende avsnitt gir en detaljert forklaring av den tekniske implementeringsprosessen.
Ny TCM Herbal Cistanche for kroppsbygging
3.1 Ekstraksjon av skjelett
Denne studien brukerOpenPoseVerktøy [13] for å oppnå sanntids 2D-tastaturfangst og opptak. OpenPose brukes først og fremst for sanntids multi-person 2D-estimering. Ved å oppdage og knytte tastaturene (for eksempel fellesposisjoner) til hver person i et bilde, muliggjør det positurerkjennelse, selv om det ikke gir 3D -overflateinformasjon eller detaljert segmentering av kroppsdeler. Denne metoden introduserer begrepetDel Affinitetsfelt (PAFS), som gjennom Convolutional Neural Networks (CNN) samtidig forutsier tillitskart for kroppsdeler og affinitetsfelt mellom deler. Tastaturer er analysert ved hjelp av en grådig inferensprosess, og tilbyr sterk ytelse i sanntid.
Med den forhåndsutdannede OpenPose-modellen utarbeidet, mater denne studien videostrømdata (ved hjelp av demonstrasjonsvideoer av National Champion Cao Jin) i modellen for inferens, og trekker ut skjelettdata for å få skjelettsekvenser (se figur 4).
Fig.4 Deteksjonsresultater av menneskekroppstastaturer
3.2 Tett menneskelig positurestimering
2D -skjelettutvinning gir begrenset støtte for påfølgende bevegelsesoppgaver og er bare anvendelig for enkel karakterkartlegging på 2D -skjeletter. For å imøtekomme behovene til mer komplekse karakterrepresentasjoner, må 3D -overflatestrukturen til menneskekroppen også trekkes ut.Tettpose[14] tar sikte på å oppnå tette menneskelige positurer ved å kartlegge alle menneskelige piksler i et bilde til deres tilsvarende punkter på en 3D -menneskelig overflate. Denne metoden oppdager ikke bare tastaturer, men gir også detaljerte overflateparameterisering for hver kroppsdel, og gir UV -koordinater og kroppsdel -segmenteringsmasker.
DeDENSPOSE-RCNNSystemet bruker et konvolusjonelt nevralt nettverk (CNN) som kombinererDenseregMetode med maske-RCNN-arkitekturen. Den benytter en kaskade av generering av regionforslag og funksjonspooling, og bruker deretter et fullstendig konvolusjonelt nettverk for tette spådommer. Dette genererer diskrete deletiketter og kontinuerlige overflatekoordinater, og forutsier den tette korrespondanseforholdet til den menneskelige overflaten gjennom trening.
Siden Densepose gir rik kroppsoverflateinformasjon, er den egnet for applikasjoner som krever detaljerte menneskelige former og utseende, for eksempel 3D -modellering, virtual reality (VR) og augmented reality (AR). Til syvende og sist er Denspose i stand til å generere detaljerte data som inkluderer informasjon om menneskelig overflate og bevegelsessekvenser, og støtter overføring av mer komplekse karakterrepresentasjoner (se figur 5).
Fig.5 Hua Tuos fem-animale frolics videobilde og tette posisjonssammenligningskart
3.3 Menneskelig bevegelsesretting
Enten du muliggjør et virtuelt tegn til å etterligne en brukers sanntidsbevegelser eller animere en brukers bilde for å utføre fem-animale øvelsene, er det avhengig avMenneskelig bevegelsesrettingteknologi. Denne teknologien omdirigerer en kildebevegelsessekvens til en ny bevegelsessekvens. Det er forskjellige tilnærminger for å oppnå dette, og basert på kravene til den interaktive enheten, vedtar denne studien to gjeldende teknikker.
For det ekstraherteSkjelettsekvens, Enkel prosessering basert på skjelettet er tilstrekkelig til å overføre det til en ny form. For eksempel, ved å designe en "pinnefigur" -modell, kan vi for eksempel forstørre hodetastaturene og legge til forskjellige farger i kroppsdelene, og dermed generere en ny representasjon.Tabell 3Illustrerer effekten av bevegelse av bevegelse ved bruk av fem-animale øvelser-videoen.
Tab.3 Resultater som inneholder nøkkelpunktbilde og bilde fra målrettet video
For mer komplekse bevegelsesforsøkingsscenarier kan diffusjonsmodeller introduseres for å hjelpe til med å nå målet. DeMagicanimateFramework [15] gir mulighet for å generere videoanimasjoner som fester seg til en gitt bevegelsessekvens mens du opprettholder tidsmessig konsistens og troskap til referansebildet. Denne modellen legger inn referansebildet i en utseende koder for å generere en utseende innebygging, mens målposisjonssekvensen (f.eks Basert på disse to signalene, trener modellen en videodiffusjonsmodell som animerer referanseidentiteten i henhold til den gitte posituren.
Ved hjelp av denne funksjonen kan vår interaktive enhet ta brukerens bevegelsessekvens som målposeringssekvens og fem-dyr øvelser karakterbilde som referansebilde. Dette gjør at brukerens gratis bevegelser foran kameraet driver den synkroniserte bevegelsen til karakteren med fem animale øvelser, og skaper en interaktiv opplevelse (seFigur 6).
Fig.6 Generering av skjermeffekt
4. "Flytt, hold deg frisk og nyt" offentlig interaktiv enhetsdesign
4.1 Funksjonelle funksjoner
"Flytt, hold deg frisk og nyt" interaktiv enhet utnytter kameraer og kunstig intelligensteknologi for å gjøre det mulig for deltakerne å utføre en serie oppgaver foran enheten. Disse bevegelsene blir deretter registrert i sanntid og matchet med virtuelle karakterbilder, og gir en oppslukende interaktiv opplevelse. Applikasjonsscenariene til den interaktive enheten vises iFigur 7.
Funksjon 1: Brukere kan velge mellom en rekke virtuelle karakterrepresentasjoner basert på personlige preferanser, inkludert livlige Kung FU -tegn, unikt stilte blokkeringskarakterer og forenklede pinnefigurer. Gjennom disse visuelle effektene liker brukerne en rik interaktiv opplevelse. Disse karakterene etterligner ikke bare brukernes bevegelser, men reagerer også på dem.
Funksjon 2: Brukere kan ta bilder med hele kroppen foran kameraet for å forbedre opplevelsen av å utføre fem-dyr-øvelsene. Systemet setter inn brukerens image i videoklippene med fem animale trening, slik at brukerne kan forestille seg seg som mestere av Hua Tuos øvelser på fem animale, og utføre forskjellige profesjonelle bevegelser med presisjon.
Fig.7 WildFit Application Scenarios
4.2 Parameterinnstillinger
Enheten heter"Flytt, hold deg frisk og nyt"å etablere en forbindelse mellom dyr, natur og kondisjon. Målet er å gjøre designet til en bro mellom disse tre elementene. Basert på dette konseptet er enheten en interaktiv skjerminstallasjon som er ment å bli plassert på utendørs plener eller i fornøyelsesparker. Det er utstyrt med forskjellige parametere, som vist iTabell 4.
Tabell 4: "Flytt, hold deg frisk og nyt" -parameterkonfigurasjonen
| Parameter | Detaljer |
|---|---|
| Skjermstørrelse | 2,5 m × 1,5m |
| Oppløsning | 1920 piksler × 1080 piksler |
| Interaktive knapper | Startknapp; Bevegelsessporing og tilbakemeldingsindikatorknapp; Avslutt -knappen |
| Berøringsfølsomhet | 10ms responstid, 30 fps bildefrekvens; støtter håndbevegelser, kroppsstilling og fysisk sensing |
| Tilbakemeldingsinteraksjon | Stemmestyrer; eller visuell tilbakemelding (f.eks. Indikatorer som viser ujevn kroppsstilling eller ufullstendig bevegelsesbevegelser) |
| Varighet | IP65 vanntett rangering; aluminiumslegering materialskall
|
Fig.8 Designkonsept Designkonsept
4.3.2 Fysisk evaluering: Innhold og metoder
For ytterligere å vurdere virkningen av den fysiske enheten etter dens anvendelse, foreslås følgende evalueringsmetoder:
1) Fysiske helseindikatorer
Hensikt: Sammenlign deltakernes fysiske helseindikatorer før og etter å ha deltatt i treningsprogrammet (f.eks. Vekt, kroppsfettprosent, hjertefrekvens, blodtrykk) for å evaluere treningsprogrammets innvirkning på fysisk helse.
Metode: Lineær regresjonsanalyse
Lineær regresjon brukes til å analysere endringene i deltakernes fysiske helseindikatorer før og etter treningsprogrammet. Formelen er som følger:
Y=β₀ + β₁x + ε
Y: Avhengig variabel (f.eks. Vektendring).
X: Uavhengig variabel.
β₀ogβ₁: Regresjonskoeffisienter.
ε: Tilfeldig feil.
2) Psykologiske helseindikatorer
Hensikt: Undersøk deltakernes psykologiske helseindikatorer etter å ha deltatt i treningsprogrammet (f.eks. Følelsesmessig tilstand, stressnivå, lykke) for å evaluere dens innvirkning på mental velvære.
Metode: Logistisk regresjonsanalyse
Logistisk regresjon brukes til å evaluere programmets innvirkning på psykologiske helseindikatorer (f.eks. Lykke). Formelen er som følger:
P (y =1)=1 / (1 + e^-(β₀ + β₁x))
Y: Binær variabel (f.eks. Enten deltakeren føler seg lykkelig).
X: Uavhengig variabel.
β₀ogβ₁: Regresjonskoeffisienter.
For "flytt, hold deg frisk og nyt" -apparatet, er de uavhengige variablene detaljert iTabell 5.
3) Engasjement og tilfredshetsundersøkelse
Hensikt: Undersøk deltakernes engasjement og tilfredshet med treningsprogrammet.
Metode: Design og distribuere et spørreskjema for undersøkelser for å samle tilbakemeldinger fra brukerne på enhetens brukbarhet, glede og praktisk, samt generell tilfredshet med den interaktive enheten med fem animale treninger.
Deltakerne vil vurdere disse aspektene, og tilbakemeldingspoengene og forslagene vil bli brukt til å evaluere enhetens effektivitet.
