可差分生物力学解锁了无标记运动捕捉的机会

科学领域:

• 生物力学 生物力学
• 机器学习 机器学习
• 计算机视觉 计算机视觉

背景情况:

• 在GPU上加速的微分物理模拟器正在为机器学习而出现.
• 这些模拟器有潜力用于生物力学研究和无标记运动捕捉,但未得到充分利用.
• 无标记运动捕捉需要准确的生物机械模型和反向动力学配套.

研究的目的:

• 为了展示可差异化的物理模拟器用于无标记运动捕捉的应用.
• 用无标记数据将逆动力学和缩放生物机械模型与个人人体测量相匹配.
• 通过端到端的优化方法来提高无标记运动捕捉的准确性.

主要方法:

• 在机器学习管道中利用可分化的物理模拟器.
• 采用端到端的方法,隐含的轨迹表示通过前向运动模型传播.
• 从图像中最小化3D标记器的再投影错误.
• 集成的捆绑调整用于外部摄像机参数的改进和模型改进的超优化.

主要成果:

• 与以前的无标记运动捕捉方法相比,实现了改进的再投影误差.
• 制作了准确的空间步骤参数,与仪器行走道进行验证.
• 证明成功地将模型扩展到个别的人类测量测量.
• 展示了差分优化的实用性,以改进相机参数和改进生物机械模型.

结论:

• 微分物理模拟器为无标记运动捕捉和生物力学研究提供了强大的工具.
• 拟议的端到端方法提高了准确性和模型装配能力.
• 这种方法在运动分析的控制和临床群体中都有潜在的应用.