Automatic dance movement quality assessment via spatiotemporal skeletal representation learning
تقترح هذه الورقة البحثية شبكة RSDQ-Net، وهي شبكة مكانية زمانية مدركة للمرجع توحد بيانات الرقص غير المتجانسة في هيكل عظمي معياري لنمذجة الانحرافات في التنفيذ المكاني والطور الزمني بشكل منفصل، مما يحقق أداءً هو الأفضل من نوعه في التقييم التلقائي لجودة حركات الرقص عبر مجموعات بيانات متعددة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الرؤية الحاسوبية، أصبحت الآلات بارعة بشكل ملحوظ في التعرف على ما يفعله الشخص. يمكنها النظر إلى مقطع فيديو والتمييز بين شخص يقفز، أو يركض، أو يلوح بيده. تعتمد هذه القدرة على تتبع مواضع مفاصل الجسم، مما ينشئ هيكلاً عظمياً رقمياً يتحرك عبر الزمن. ومع ذلك، فإن التعرف على حركة ما يختلف عن الحكم على مدى جودة أدائها. قد تعرف الحواسيب أن شخصاً ما يحاول القيام بحركة معينة، لكنها تجد صعوبة في فهم الفروق الدقيقة بين المحاولة المتعثرة والتنفيذ المتقن. وتتسع هذه الفجوة بشكل خاص في مجالات مثل الرقص، حيث تعتمد جودة الأداء على دقة التوقيت، واستقامة الجسم، وتنسيق الأطراف التي قد تكون بعيدة عن بعضها البعض. ولعقود من الزمن، كان الخبراء هم الوحيدين القادرين على إجراء هذه التمييزات الدقيقة، وهي عملية بطيئة، وذات طابع شخصي، ويصعب توسيع نطاقها.
قام فريق من الباحثين بتطوير طريقة جديدة لمساعدة الحواسيب على تقييم جودة الحركة البشرية من خلال مقارنة أداء المتعلم بمثال معياري. نهجهم، الذي فُصل في دراسة حديثة، يتجاوز مجرد التعرف البسيط ليركز على الأخطاء المحددة في التوقيت والوضعية التي تفصل بين المبتدئ والخبير. ومن خلال تعليم الكمبيوتر البحث عن الانحرافات في كل من المكان والزمان، يمكن للنظام تقديم تقييم ثابت وموضوعي لجودة الحركة. يشير هذا العمل إلى أن الآلات يمكنها تعلم فهم الفروق الدقيقة في الأداء البشري، مما يوفر أداة محتملة للتدريب والتقييم لا تعتمد على الوجود المستمر لمعلم بشري.
بنى الباحثون نظاماً مصمماً لمقارنة جسدين متحركين: أداء مستهدف، مثل روتين يتدرب عليه طالب، وأداء مرجعي، وهو مثال عالي الجودة لنفس الحركة. كان التحدي الجوهري الذي واجهوه هو أن الناس يتحركون بسرعات مختلفة ولهم نسب جسدية مختلفة. إذا قام الكمبيوتر ببساطة بالمقارنة إطاراً تلو الآخر، فقد يخطئ في اعتبار تأخير طفيف في التوقيت خطأً في الحركة نفسها. ولحل هذه المشكلة، يقوم النظام أولاً بتحويل جميع الحركات إلى هيكل عظمي رقمي قياسي يحتوي على تسعة عشر نقطة رئيسية، تغطي الرأس والجذع والأطراف. يسمح هذا للكمبيوتر بتجاهل الاختلافات في الطول أو الملابس والتركيز فقط على هندسة الحركة.
بمجرد توحيد الحركات، يستخدم النظام آلية ذكية لمواءمة أداء الطالب مع أداء الخبير. فبدلاً من فرض مطابقة صارمة ثانية بثانية، يتعلم الكمبيوتر إيجاد اللحظات الأكثر احتمالاً للمطابقة بين التسلسلين. فهو يدرك أن الطالب قد يصل إلى وضعية معينة بعد الخبير بجزء من الثانية، أو يحتفظ بها لمدة زمنية مختلفة قليلاً. والأهم من ذلك، أن النظام لا يقوم بمجرد تنعيم هذه الاختلافات لتبدو الاثنين متشابهتين؛ بل يعامل عدم التطابق في التوقيت كنوع محدد من البيانات. يقوم الكمبيوتر بفصل الأخطاء إلى فئتين: الانحراف المكاني، الذي يقيس مدى بعد أجزاء الجسم عن مواضعها الصحيحة، والانحراف الزمني، الذي يقيس مدى الخطأ في التوقيت. ومن خلال إبقاء هذين النوعين من الأخطاء متميزين، يمكن للنظام تحديد ما إذا كان الطالب يعاني من مشكلة في توازنه أم في إيقاعه، بدلاً من مجرد إعطاء درجة واحدة غامضة.
اختبر الباحثون هذا النظام على ثلاث مجموعات مختلفة من بيانات الحركة، لكل منها طريقتها الخاصة في تحديد الجودة. احتوت إحدى مجموعات البيانات على فيديوهات لأشخاص يؤدون أنماطاً مختلفة من الرقص، والتي استخدمها النظام لتعلم البنية الأساسية للحركة البشرية. وتضمنت مجموعة أخرى تسجيلات لمبتدئين، ومتوسطين، وخبراء يؤدون نفس الروتين، مما سمح للنظام بتعلم ترتيب مستويات المهارة. أما المجموعة الثالثة، فقد تضمنت فيديوهات من العالم الحقيقي حيث قام بشر بالفعل بترتيب أزواج من الأداءات لتحديد أيهما أفضل. تم تدريب النظام على التنبؤ بهذه التصنيفات ومستويات المهارة دون أن يُخبر أبداً بدرجة عددية محددة لأي أداء. لقد تعلم أن الأداء "الأفضل" هو ببساطة الأداء الأقرب إلى المرجع في كل من التوقيت والوضعية، وأن هذه الصفات تتبع نظاماً منطقياً.
أظهرت النت la أن النظام كان فعالاً للغاية في التمييز بين مستويات المهارة المختلفة. فعند اختباره على مجموعة البيانات التي تضم مبتدئين ومتوسطين وخبراء، حدد النظام المستوى المهاري للأداء بنسبة صحة بلغت حوالي واحد وثمانين بالمائة. ويمثل هذا تحسناً كبيراً مقارنة بالطرق السابقة، التي كانت غالباً ما تواجه صعوبة في التمييز بين المبتدئ والمتوسط. وفي الاختبارات التي تعين على النظام فيها اختيار الأداء الأفضل بين خيارين، اتفق مع الحكام البشر أكثر من واحد وثمانين بالمائة من المرات. ووجد الباحثون أن قدرة النظام على التعلم من المثال المرجعي كانت العامل الرئيسي؛ فعندما أزالوا القدرة على المقارنة مقابل معيار، انخفض أداء النظام بشكل ملحوظ. وبالمثل، عندما أجبروا النظام على تجاهل فروق التوقيت والتركيز فقط على مواضع الجسم، تضررت دقته، مما أثبت أن كلا العنصرين ضروريان لتقييم حقيقي.
كما استكشفت الدراسة مدى متانة النظام عندما تكون بيانات المدخلات غير مثالية. في السيناريوهات الواقعية، قد تفقد الكاميرات مفصلاً ما، أو قد يكون الفيديو مهتزاً قليلاً. اختبر الباحثون النظام عن طريق إضافة ضجيج اصطناعي إلى البيانات وإخفاء أجزاء من الهيكل العظمي. وحتى في ظل هذه الظروف الصعبة، حافظ النظام على ميزة واضحة على الطرق القديمة. وتأتي هذه المرونة من الطريقة التي يستخدم بها النظام العلاقة بين أجزاء الجسم المختلفة. فإذا لم يستطع الكمبيوتر رؤية يد بوضوح، يمكنه استنتاج الموضع المرجح بناءً على حركة الذراع وبقية الجسم. كما تساعد المقارنة المرجعية أيضاً، حيث يقيم النظام حركة الطالب في سياق التسلسل الكامل للخبير، بدلاً من الحكم على إطارات معزولة في فراغ.
بينما يظهر النظام وعداً كبيراً، يحرص الباحثون على الإشارة إلى حدوده. فهو مصمم لتقييم التنفيذ التقني لحركة ما مقابل مرجع محدد، وليس للحكم على التعبير الفني، أو الموسيقية، أو التأثير العاطفي. إن النظام لا يحل محل المعلم البشري، بل يقدم وسيلة لتوفال تغذية راجعة ثابتة وفورية حول الجوانب الميكانيكية للأداء. يمكنه إخبار الطالب إذا كان خارج الإيقاع أو إذا كانت وضعية جسمه غير صحيحة، لكنه لا يستطيع شرح القصد الفني وراء الحركة. ويقترح الباحثون أن هذه الأداة قد تكون مفيدة بشكل خاص للتدريب الذاتي أو التعليم عن بعد، حيث يمكن للمتعلم ممارسة روتين معين وتلقي تحليل موضوعي لتوقيته واستقامته.
يمثل هذا العمل تحولاً في كيفية فهم الآلات للحركة البشرية. فبدلاً من مجرد السؤال "ماذا يفعل هذا الشخص؟"، يسأل النظام "ما مدى جودة ما يفعله؟". ومن خلال تفكيك المشكلة إلى انحرافات مكانية وزمنية والتعلم من مثال معياري، نجح الباحثون في إنشاء نموذج يلتقط الفروق الدقيقة بين الأداء الجيد والأداء العظيم. وتشير النتائج إلى أنه مع النهج الصحيح، يمكن للحواسيب أن تتعلم تقدير دقة المهارة البشرية، مما يفتح الباب أمام أشكال جديدة من التغذية الراجعة والتدريب المؤتمت الذي يتسم بالقدرة على التوسع والارتباط العميق بتفاصيل الحركة البشرية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.