Защитник команды Patriots Том Брэди часто приписывал свой успех в американском футболе многочасовым сидениям пред экраном для изучения движений противника на видеозаписи. Это понимание движения важно для всех живых существ, независимо от того, необходимо ли определить угол, под которым надо бросать мяч, или оценить элементы движения хищника и жертвы. Но обычные видеоролики не могут дать нам полную картину.
Потому, что традиционные видео и фотографии являются двумерными и не показывают нам основополагающую трехмерную структуру человека или интересующего объекта. Без полной геометрии мы не можем уловить малые и очень тонкие движения, которые помогают нам двигаться быстрее, или понять все детали, необходимые для совершенствования своей спортивной формы.
Недавно исследователи из Компьютерной лаборатории и Лаборатории искусственного интеллекта МТИ придумали способ лучше понять характер сложного движения.
Новая система использует алгоритм, который принимает двухмерное видеоизображение и превращает его в трехмерные «скульптурные фрагменты движения» (motion sculptures), которые показывают в деталях, как человеческое тело перемещается в пространстве. В дополнение к тому, что это является интригующей эстетической визуализация формы во времени, команда предполагает, что их система “MoSculp” может lдать возможность гораздо более детального изучения движений для профессиональных спортсменов, танцоров или любого, кто хочет улучшить свои физические навыки.
«Представьте, что у вас есть виде с Роджером Федерером, играющим в теннисном матче, и видеоролик о себе любимом, стремящимся хорошо научиться игре в теннис, — говорит ведущий автор разработки Сюмин Чжан. — Затем вы можете построить скульптурные фрагменты движения тела для обоих сценариев, чтобы сравнить их и более всесторонне изучить, что вам нужно улучшить».
Поскольку скульптуры движения являются трехмерными, пользователи могут использовать компьютерный интерфейс для навигации и увидеть их с разных углов, получая информацию, связанную с движением, которая недоступна для восприятия с исходной точки.
Система работает лучше всего для больших движений, таких как бросок мяча или резкий прыжок во время танца. Она также работает в ситуациях, которые могут препятствовать или затруднять передвижение, например, когда люди переносят какие-то предметы.
В настоящее время система использует только сценарии с одним человеком, но вскоре разработчики надеются расширить одновременный доступ для нескольких человек. Это может открыть перспективы для изучения таких вещей, как социальные беспорядки, межличностные взаимодействия и работа в команде.