Classifying daily activities needs posture, reconstructing them needs motion
Diese Studie zeigt, dass eine statische Körperhaltung zwar für die Klassifizierung täglicher Aktivitäten ausreicht, die zeitliche Dynamik der Bewegung jedoch essenziell für die Rekonstruktion natürlicher Bewegungen ist, was eine grundlegende Dissoziation zwischen Erkennung und Generierung in der menschlichen Bewegungsanalyse offenbart.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Ihr Gehirn wäre ein superschneller Detektiv, der versucht, ein Rätsel zu lösen, jedes Mal, wenn Sie einen Raum betreten. Das Rätsel ist kein Verbrechen, sondern eine einfache Frage: „Was macht diese Person gerade?“ Geht die Person, tanzt sie oder kratzt sie sich vielleicht nur am Kopf? Jahrzehntelang haben sich Wissenschaftler gefragt, wie unser Gehirn dieses Rätsel so schnell löst, selbst wenn die visuellen Informationen unordentlich oder unvollständig sind. Es stellt sich heraus, dass unser Gehirn unglaublich gut darin ist, „biologische Bewegung“ zu erkennen – die spezifische Art und Weise, wie Lebewesen sich bewegen. Aber um zu verstehen, wie wir das tun, müssen Forscher die Bewegung in Mathematik zerlegen. Betrachten Sie Bewegung wie ein Lied. Sie können ein Lied durch seinen Text beschreiben (die Wörter oder die statische Körperpose) oder durch seine Melodie und seinen Rhythmus (die Bewegung oder wie sich der Körper im Laufe der Zeit bewegt). Die große Frage in diesem Bereich ist: Wenn wir eine Handlung erkennen, lesen wir dann hauptsächlich den Text, hören wir auf den Rhythmus oder brauchen wir beides? Dies ist entscheidend, denn wenn wir herausfinden können, welcher Teil des „Liedes“ am wichtigsten ist, können wir bessere Computer bauen, die Ärzten helfen, die Genesung von Patienten zu verfolgen, realistische Videospielcharaktere erschaffen oder Roboter entwerfen, die sich wie Menschen bewegen.
In dieser Studie beschlossen zwei Forscher der Queen's University, Detektiv zu spielen, und untersuchten 16 verschiedene Alltagsaktivitäten, wie zum Beispiel Krabbeln, Gehen und Hampelmänner. Sie nahmen Videos von Menschen auf, die diese Bewegungen ausführten, und fütterten sie in drei verschiedene „mathematische Detektive“, um zu sehen, welcher am besten erraten konnte, welche Aktivität gerade stattfand. Der erste Detektiv, genannt TMPs, versuchte, die Bewegung in einen fließenden, sanften Rhythmus zu zerlegen, wie eine Partitur. Der zweite, Legendre-Koeffizienten, war etwas starrer; er fragte: „Was ist die durchschnittliche Pose des Körpers?“ und ignorierte den Rhythmus fast vollständig. Der dritte, ein Autoencoder, war eine „Black Box“-KI, die versuchte, die Muster nach eigenen Regeln zu lernen, ohne spezifische Vorgaben.
Hier ist die Wendung, die die Arbeit fand: Der „Rhythmus“-Detektiv (TMPs) und der „Durchschnittsposen“-Detektiv (Legendre) waren beide unglaublich gut darin, die Aktivität zu erraten, und lagen in etwa 96 % der Fälle richtig. Die „Black Box“-KI hingegen lag nur in etwa 89 % der Fälle richtig. Aber die wahre Magie geschah, als sie versuchten, diese mathematischen Modelle zu nutzen, um die Bewegungen zu rekonstruieren. Der „Durchschnittsposen“-Detektiv war ein Champion darin, was die Aktivität war, aber wenn man ihn bat, die Bewegung zu zeichnen, erzeugte er ein starres, statuenhaftes Bild. Er wusste zwar, dass der Körper in einer „krabbelnden“ Form war, hatte aber keine Aigkeit, wie er den Körper krabben lassen sollte. Es war, als kenne man die Texte eines Liedes, aber die Melodie fehlte.
Auf der anderen Seite war der „Rhythmus“-Detektiv (TMPs) der Einzige, der eine fließende, natürlich aussehende Bewegung rekonstruieren konnte. Er erfasste den Fluss und das Schwingen der Gliedmaßen perfekt. Die Studie entdeckte auch, dass man nicht den ganzen Körper verfolgen muss, um die Aktivität zu erraten. Indem man sich nur auf 9 spezifische Gelenke konzentrierte – die Handgelenke, Ellbogen, Knie, Knöchel und den Nacken – konnten die Modelle die Aktivität immer noch mit hoher Genauigkeit erraten. Es ist, als ob die „Texte“ des Körpers hauptsächlich in den Positionen der Hände und Füße geschrieben stehen.
Die Arbeit kommt zu der faszinierenden Erkenntnis: Um zu erkennen, was jemand tut, muss dein Gehirn (oder ein Computer) hauptsächlich die statische Form seines Körpers sehen. Die „Texte“ reichen aus, um das Rätsel zu lösen. Aber um zu verstehen, wie sich die Bewegung entfaltet oder um sie natürlich zu rekonstruieren, braucht man unbedingt die „Melodie“ und den Rhythmus. Die Forscher legen nahe, dass ein eingefrorenes Bild zwar ausreicht, um zu sagen, dass jemand „Hampelmänner“ macht, man aber die Bewegung braucht, um die Energie und den Fluss des Sprungs zu sehen. Das bedeutet, dass wir für einfache Aufgaben wie das Sortieren von Aktivitäten eine sehr einfache, kompakte Mathematik verwenden können. Aber wenn wir eine realistische Bewegung erzeugen wollen, benötigen wir komplexe, dynamische Modelle. Es ist eine klare Trennung: Die Körperhaltung verrät uns das „Was“, aber die Bewegung verrät uns das „Wie“.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.