Ukadiriaji wa Pozi ya Binadamu
Ukadiriaji wa mkao wa mwanadamu hutambua misimamo ya viungo vya mwili, kama vile viwiko, magoti, na mabega, ili kujenga kiunzi kidijitali cha mtu kutoka kwa picha au video.
Muhtasari
It turns raw pixels into structured data about how people move.
Dive ya kina
Ukadiriaji wa pozi hupata seti ya vipengee muhimu vya mwili (kawaida viungo 17 hadi 33) na kuviunganisha kwenye kiunzi cha mifupa. Kuna mikakati miwili mikuu. Mbinu za juu-chini kwanza hugundua kila mtu aliye na kisanduku cha kumfunga, kisha ukadiria viungo ndani yake; ni sahihi lakini polepole wakati watu wengi wapo. Njia za chini-juu, kama OpenPose, hugundua vitu muhimu vyote kwenye picha mara moja na kisha vipange katika vikundi vya watu binafsi, ambavyo huongezeka vyema katika umati. Miundo inaweza kutoa viwianishi vya 2D au kuviinua hadi kwenye 3D. Zana maarufu ni pamoja na OpenPose, Google's MoveNet na MediaPipe, na HRNet, ambayo huhifadhi vipengele vya ubora wa juu kwa ujanibishaji sahihi wa pamoja. Teknolojia huwezesha programu za siha, kunasa mwendo na uchanganuzi wa michezo.
Ufahamu wa Kiufundi
Badala ya kurejesha viwianishi vya viungo moja kwa moja, miundo sahihi zaidi hutabiri ramani ya joto kwa kila kiungo, ramani ya uwezekano ambayo pikseli yake angavu huashiria eneo linalowezekana la pamoja. Mifumo ya chini-juu huongeza Sehemu za Uhusiano, ramani za vekta zinazosimba mwelekeo wa viungo, ili vitu muhimu vilivyotambuliwa vinaweza kuunganishwa kwenye mifupa sahihi hata kwa watu wanaopishana. Migongo yenye azimio la juu kama vile HRNet hudumisha maelezo mafupi ya anga kwenye mtandao, kuboresha usahihi wa viungio vidogo au vilivyotengana kwa karibu.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Makadirio ya Pozi ya Binadamu
Ukadiriaji wa pozi unaelekea kwenye 3D ya wakati halisi kwenye vifaa vya watumiaji, ufuatiliaji thabiti wa watu wengi, na miundo kamili ya mwili-plus-mikono-plus-face kwa kunasa mwonekano bora zaidi. Upigaji picha bila alama unachukua nafasi ya suti za gharama kubwa za studio katika filamu na biomechanics. Tarajia muunganisho mkali zaidi na utambuzi wa hatua ili kuelewa si tu mkao bali shughuli, matumizi yanayoongezeka katika huduma ya afya kwa uchanganuzi wa mwendo na urekebishaji, na miundo ya kifaa ambayo inalinda faragha kwa kutotuma video kwenye wingu kamwe.
Utekelezaji wa Ulimwengu Halisi
Programu za siha na yoga ambazo hukagua fomu ya mtumiaji na kuhesabu marudio kutoka kwa kamera ya simu
Upigaji picha wa mwendo usio na alama kwa wahusika wanaohuisha katika filamu na michezo ya video
Uchanganuzi wa michezo unaopima pembe za pamoja za mwanariadha, hatua na mbinu
Tiba ya mwili na uchanganuzi wa kutembea kufuatilia kupona kwa mgonjwa na ubora wa harakati
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Human Pose Estimation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Ukadiriaji wa Kina cha Monocular
Maswali yanayoulizwa mara kwa mara
What is Human Pose Estimation?
Ukadiriaji wa mkao wa mwanadamu hutambua misimamo ya viungo vya mwili, kama vile viwiko, magoti, na mabega, ili kujenga kiunzi kidijitali cha mtu kutoka kwa picha au video. Hubadilisha saizi mbichi kuwa data iliyopangwa kuhusu jinsi watu wanavyosonga.
Je, makadirio ya nafasi ya mwanadamu hugundua nini kimsingi?
Ukadiriaji wa pozi hupata vitu muhimu vya mwili kama vile viwiko vya mkono, magoti na mabega, kisha huviunganisha kwenye kiunzi cha mifupa.
Mbinu za ukadiriaji wa hali ya juu-chini hufanya kazi vipi?
Njia za juu-chini kwanza hugundua kila mtu aliye na kisanduku cha kufunga na kisha kukadiria viungo ndani yake, ambayo ni sahihi lakini hupunguza kasi na watu wengi.
Je, mifano sahihi zaidi ya pozi hutabiri nini kwa kila kiungo badala ya kuratibu mbichi?
Miundo kwa kawaida hutoa ramani ya joto kwa kila kiungo ambayo pikseli yake angavu huonyesha nafasi ya pamoja inayowezekana zaidi, ambayo hufunza kwa uthabiti zaidi kuliko urejeshaji wa moja kwa moja.
Sehemu za Ushirika wa Sehemu, zinazotumiwa na OpenPose, husaidia na nini?
Sehemu za Sehemu za Mshikamano husimba mwelekeo wa kiungo kama ramani za vekta, zikiruhusu mbinu za kutoka chini kwenda juu kuunganisha kwa usahihi vitu muhimu hata wakati watu wanapishana.
Kwa nini njia za chini-juu kama OpenPose zinakua bora katika pazia zilizojaa?
Njia za chini-juu hugundua kila alama kuu kwenye picha katika pasi moja na kisha kuziweka katika vikundi, kwa hivyo gharama haikua na kila mtu wa ziada.