Scalable Injury-Risk Screening in Baseball Pitching From Broadcast Video

이 논문은 드림포즈 3D 를 기반으로 방송 영상에서 피치어의 18 가지 생체역학 지표를 정밀하게 추출하여 토미 존 수술 등 주요 부상을 예측하는 확장 가능한 단일 카메라 기반 부상 위험 선별 시스템을 제안합니다.

핵심

이 논문은 **"텔레비전 중계 영상만으로도 야구 투수의 부상 위험을 예측할 수 있는 새로운 기술"**을 소개합니다.

기존에는 투수의 팔과 몸의 움직임을 정밀하게 분석하려면 스타디움 전체에 고가의 카메라 수십 대를 설치하고, 투수에게 특수 장비를 부착해야 했습니다. 마치 고급 스포츠 센터에서 1000 만 원짜리 장비를 빌려서 10 분간 측정하는 것과 비슷하죠. 그래서 일반인이나 대학 야구팀, 아마추어 리그에서는 이런 정밀한 분석을 전혀 할 수 없었습니다.

하지만 이 연구팀은 **"단일 카메라 (TV 중계 화면) 만으로도 그와 거의 똑같은 분석이 가능하다"**는 것을 증명했습니다.

이 기술을 쉽게 이해할 수 있도록 세 가지 핵심 비유로 설명해 드릴게요.

---

1. 흐릿한 그림을 선명하게 다듬는 '디지털 사진 보정'

[문제점]
야구 중계 영상을 보면 투수가 공을 던질 때 팔이 너무 빨라 모자이크처럼 흐릿하게 (Motion Blur) 보이거나, 카메라 화질 때문에 픽셀이 깨져 보입니다. 컴퓨터가 이 흐릿한 영상을 보고 "팔꿈치 각도가 45 도다"라고 계산하면, 아주 작은 오차가 큰 실수로 이어져 엉뚱한 결과가 나옵니다.

[해결책: BRS(생체역학 정제 스택)]
연구팀은 AI 가 처음에 추측한 흐릿한 자세를 인체 공학의 법칙으로 다시 다듬었습니다.

• 뼈 길이 고정: 사람의 팔이나 다리는 늘었다 줄었다 하지 않습니다. AI 가 "팔이 갑자기 길어졌네?"라고 오해하면, "아니야, 원래 길이는 이거야"라고 고정해 줍니다.
• 대칭성: 왼쪽 어깨와 오른쪽 어깨는 대략 같은 크기입니다. 영상에서 한쪽이 가려져서 작아 보이면, 반대편을 참고해서 자연스럽게 채워줍니다.
• 부드러운 움직임: 사람이 갑자기 뚝뚝 끊기듯 움직이지 않듯, 계산된 움직임을 부드럽게 연결해 줍니다.

이 과정을 거치니, 흐릿한 TV 화질 속 투수 자세가 정밀한 3D 스캔 데이터처럼 선명하게 재구성된 것입니다.

2. 투수의 '전신 지도'를 그리는 '글로벌 리프팅'

[문제점]
기존 AI 는 투수의 팔과 다리는 잘 알아내지만, **"그 투수가 마운드에서 얼마나 앞으로 나아가고 있는지"**는 잘 모릅니다. 마치 사람의 손발은 잘 그리는데, 발이 공중에 떠 있는 그림을 그린 것과 같습니다.

[해결책: PGLM(골반-전역 리프팅 모듈)]
연구팀은 투수의 골반 (허리) 이 마운드 위를 어떻게 이동하는지를 따로 계산하는 새로운 알고리즘을 만들었습니다.

• 투수가 공을 던지기 위해 뒤로 물러나고, 다시 앞으로 돌진하는 전체 이동 경로를 계산합니다.
• 이를 통해 단순히 '관절 각도'만 보는 게 아니라, 마운드 위를 달리는 투수의 전체적인 움직임 궤적을 완벽하게 재현합니다.

3. "이 투수는 부상을 당할 확률이 높다"는 경고등

[결과]
이렇게 정밀하게 재구성된 18 가지 데이터 (팔꿈치 굽힘, 무릎 각도, 몸통 회전 등) 를 분석했습니다. 결과는 놀라웠습니다.

• 정확도: 전문 스타디움의 고가 장비와 비교했을 때, 18 가지 지표 중 16 가지가 1 도 (1 도) 미만의 오차로 거의 완벽하게 일치했습니다. (어깨 회전 각도만 예외적으로 오차가 컸습니다.)
• 실전 적용: 이 기술을 7,300 명 이상의 프로 투수에게 적용해 보았습니다. 그 결과, 토미 존 수술 (팔꿈치 인대 재건) 이나 심각한 팔 부상을 당할 위험이 높은 투수를 80% 이상의 정확도로 찾아냈습니다.

---

💡 왜 이것이 중요한가요? (일상적인 비유)

이 기술은 **"야구장 전체에 고가의 카메라를 설치할 필요 없이, 스마트폰이나 일반 카메라로 찍은 영상만으로도 전문적인 건강 진단이 가능해졌다"**는 뜻입니다.

• 과거: 병원에 가려면 MRI 기계 (고가의 장비) 가 필요했고, 비싸고 접근하기 어려웠습니다.
• 이제: 일반 카메라로 찍은 영상을 AI 가 분석하면, MRI 와 거의 같은 수준의 진단을 받을 수 있게 되었습니다.

결론적으로,
이 기술은 프로야구뿐만 아니라 대학, 고등학교, 심지어 동네 야구장에서도 투수들의 부상 위험을 미리 파악하고, "너는 지금 팔을 너무 비틀고 있어, 자세를 고쳐야 해"라고 알려줄 수 있게 해줍니다. 이는 야구 선수들의 생명을 구하고, 더 오래 뛰게 만드는 혁신적인 도구가 될 것입니다.

기술 요약

1. 문제 정의 (Problem Statement)

야구 투수들의 부상 예측은 관절 굴곡, 몸통 및 골반 방향, 엉덩이 - 어깨 분리 (Hip-Shoulder Separation) 등 정밀한 생체역학적 신호에 의존합니다. 현재 이러한 '골드 스탠다드' 데이터는 MLB 구장에 설치된 고가의 (15 만~50 만 달러) 다중 카메라 추적 시스템 (예: Hawk-Eye) 에서만 얻을 수 있습니다.

• 핵심 문제: 프로 수준을 벗어난 아마추어 리그, 대학, 개인 훈련 시설 등은 이러한 정밀한 생체역학 피드백을 얻을 인프라가 부족하여, 조기 부상 위험 스크리닝과 기계적 교정이 불가능합니다.
• 목표: 별도의 전용 하드웨어 없이 단일 카메라 (Monocular) 방송 영상만으로 프로 추적 시스템과 유사한 정확도 (오차 1 도 이내) 의 생체역학 지표를 복원하여, 확장 가능한 부상 위험 모니터링을 가능하게 하는 것입니다.

2. 방법론 (Methodology)

저자들은 방송 영상에서 3D 포즈를 추정하고 이를 생체역학적으로 정제하는 파이프라인을 제안합니다.

A. 핵심 모듈

1. Pelvis-to-Global Lifting Module (PGLM):

   • 기존 3D 포즈 추정 모델 (DreamPose3D) 은 골반을 기준으로 한 상대적 포즈만 제공하므로, 시간 경과에 따른 전신 이동 (Global Translation) 을 복원하지 못합니다.
   • 저자들은 BERT 스타일의 트랜스포머 인코더 - 디코더를 사용하여 골반 속도를 기반으로 한 파라미터화와 슬라이딩 윈도우 추론을 통해 **전역 골반 궤적 (Global Pelvis Trajectory)**을 추정합니다.
   • Drift Control: 중첩된 윈도우 (Overlapping Windows) 에서 예측하고, 첫 10 프레임만 확정 (Commit) 하는 방식을 통해 장기적인 오차 누적을 방지합니다.

2. Biomechanics Refinement Stack (BRS):

   • 방송 영상의 모션 블러, 압축 아티팩트, 심한 자기 가려짐 (Self-occlusion) 으로 인한 원시 3D 포즈의 불안정성을 보정합니다.
   • 골 길이 강제 (Bone-length Enforcement): Forward Kinematics (FK) 를 사용하여 골격의 뼈 길이를 일정하게 유지하도록 보정합니다.
   • 제약된 역운동학 (Constrained IK): 투수별 관절 한계 (Joint Limits) 를 적용하여 물리적으로 타당한 관절 각도로 재구성합니다.
   • 대칭성 제약 (Symmetry Constraints): 좌우 팔/다리의 뼈 길이를 평균화하고 골반을 중앙에 위치시켜 가려짐으로 인한 인위적 비대칭을 제거합니다.

B. 생체역학 지표 계산 및 부상 위험 모델링

• 지표 추출: 정제된 3D 포즈를 기반으로 18 가지 임상적으로 중요한 생체역학 지표 (무릎 굴곡, 정강이 각도, 팔꿈치 굴곡, 골반/몸통 회전, 엉덩이 - 어깨 분리, 중심 위치 등) 를 계산합니다.
• 손잡이 판별: 발목 높이 차이와 골반 회전 각도를 기반으로 우투수/좌투수를 자동 분류합니다.
• 위험 예측 모델:
  • 18 가지 핵심 지표를 발착 (Foot Plant), 최대 외회전 (MER), 공 방출 (Release) 시점에 추출합니다.
  • 각 투수의 데이터를 평균, 표준편차, 90 백분위수 (P90), 변동 계수 등으로 요약하여 90 개의 통계를 생성합니다.
  • 여기에 작업량 (Workload), 연령, 과거 부상 이력 (Tommy John 수술 등) 을 추가하여 총 114 개의 특징을 구성합니다.
  • Ensemble Model: Gradient Boosting Machine (GBM), Balanced Random Forest, L1 정규화 로지스틱 회귀를 앙상블하여 부상 위험을 예측합니다.

3. 주요 기여 (Key Contributions)

1. PGLM 및 BRS 도입: 방송 포즈 시퀀스를 안정화하고 일관된 전역 생체역학 데이터를 생성하는 새로운 모듈을 제안했습니다.
2. 임상적 실행 가능성 증명: 스타디움 하드웨어 없이 포즈 기반 지표만으로 부상 위험 스크리닝이 가능함을 입증했습니다.
3. 대규모 검증: 13 명의 프로 투수 (156 개 구) 에서 18 개 지표 중 16 개가 1 도 (Sub-degree) 이내의 정확도를 달성했으며, 119,561 개의 프로 투구 데이터에 대해 확장성을 검증했습니다.

4. 실험 결과 (Results)

A. 정확도 검증 (13 명 프로 투수, 156 구)

• 성공: 18 개 지표 중 16 개가 검증 기준 (MAE < 1 도 또는 위치 오차 < 0.1 ft) 을 충족했습니다.
  • 하체 각도 (무릎, 정강이) 와 팔꿈치 굴곡은 0.5 도 이내의 오차로 매우 정밀했습니다.
  • 몸통 회전, 골반 회전, 엉덩이 - 어깨 분리 등도 1 도 미만의 오차를 보였습니다.
• 한계: 어깨 외전 (Shoulder Abduction) 은 투구 팔 기준 6.2 도, 글러브 팔 기준 21.4 도의 오차가 발생했습니다. 이는 마커 없는 포즈 추정에서 연조직과 의복 아래에 위치한 어깨 관절 중심의 위치 오차가 수직 축 기준 각도 계산 시 증폭되기 때문인 것으로 분석되었습니다.

B. 부상 위험 예측 성능 (7,348 명 투수, 167 건의 최근 Tommy John 수술 사례)

• 성능: 자동화된 스크리닝 모델은 Tommy John 수술 예측 AUC 0.811, 중요한 팔 부상 예측 AUC 0.825를 달성했습니다.
• 비교: 단순 임계값 기반 (AUC 0.503) 이나 이상치 탐지만 (AUC 0.633) 을 사용한 이전 모델보다 성능이 크게 향상되었습니다.
• 주요 특징:
  • 생체역학적 변동성 (Variability): 평균값보다 범위 (Range) 와 변동 계수 (CV) 가 더 중요한 예측 인자였습니다.
  • P90 통계: 상위 10% 의 극단적인 구에서 나타나는 기계적 특성 (예: 발착 시 엉덩이 - 어깨 분리) 이 평균값보다 강력한 위험 신호였습니다.
  • 과거 이력: 과거 부상 이력 (Tommy John, 부상 명단 등) 이 단일 가장 강력한 예측 인자였습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 확장성 (Scalability): 고가의 스타디움 장비 없이 일반적인 방송 영상만으로 프로급 수준의 생체역학 분석이 가능해졌습니다. 이는 아마추어, 대학, 개인 훈련 시설 등 자원 제한 환경에서의 부상 예방을 민주화합니다.
• 실용성: 코치들은 이 시스템을 통해 투수들의 위험 점수를 모니터링하고, 작업량 조정, 기계적 교정, 또는 의료 평가를 위한 개입 시점을 결정할 수 있습니다.
• 한계 및 향후 과제: 어깨 외전 각도의 정확도 한계는 여전히 존재하며, 향후 다중 뷰 통합이나 개별 투수 기준선 (Baseline) 설정을 통한 이상 탐지, 그리고 실제 임상적 결과에 대한 전향적 검증이 필요합니다.

결론적으로, 이 연구는 단일 카메라 비디오를 통해 정제된 3D 포즈 데이터를 생성하고, 이를 기반으로 신뢰할 수 있는 부상 위험 스크리닝 모델을 구축함으로써, 야구 부상 예방의 패러다임을 '고비용 하드웨어 의존'에서 '확장 가능한 비접촉식 비디오 분석'으로 전환하는 중요한 이정표가 되었습니다.