മനുഷ്യ ശരീര കീപോയിന്റ് വ്യാഖ്യാനം
36-കീപോയിന്റ് ഫുൾ-ബോഡി സ്കീമ ഉപയോഗിച്ച്, മുഖത്തിന്റെ ലാൻഡ്മാർക്കുകൾ (തല, കണ്ണുകൾ, ചെവികൾ, മൂക്ക്, താടി) അസ്ഥികൂട സന്ധികളുമായി (തോളുകൾ, കൈമുട്ടുകൾ, കൈത്തണ്ട, ഇടുപ്പ്, കാൽമുട്ടുകൾ, കണങ്കാലുകൾ) സംയോജിപ്പിച്ച്, പോസ് എസ്റ്റിമേഷൻ, ചലന വിശകലനം, ഫിറ്റ്നസ് ട്രാക്കിംഗ്, ആരോഗ്യ സംരക്ഷണ ചലന AI എന്നിവ ശക്തിപ്പെടുത്തുന്നതിനായി ഷായ്പ് 150,000 ഫ്രെയിമുകളുടെ ഇമേജ്, വീഡിയോ ഡാറ്റ വ്യാഖ്യാനിച്ചു.
പ്രോജക്റ്റ് അവലോകനം
പോസ് എസ്റ്റിമേഷനും മനുഷ്യ ചലന AIയും പ്രൊഡക്ഷൻ വിന്യാസത്തിലേക്ക് നീങ്ങുമ്പോൾ, വൈവിധ്യമാർന്ന യഥാർത്ഥ ലോക സാഹചര്യങ്ങളിൽ ശരീരഘടനാപരമായി കൃത്യമായ പൂർണ്ണ-ശരീര കീപോയിന്റ് കവറേജുള്ള ഇമേജ്, വീഡിയോ ഡാറ്റയുടെ 150,000 ഫ്രെയിമുകൾ ലേബൽ ചെയ്യുന്നതിന് ക്ലയന്റിന് ഒരു സ്കെയിലബിൾ അനോട്ടേഷൻ ഫ്രെയിംവർക്ക് ആവശ്യമായി വന്നു.
കീപോയിന്റ് പ്ലേസ്മെന്റ്, മൾട്ടി-ആംഗിൾ പോസ് ഹാൻഡ്ലിംഗ്, ഒക്ലൂഷൻ മാനേജ്മെന്റ്, ഘടനാപരമായ ക്യുഎ എന്നിവ ഉൾക്കൊള്ളുന്ന എൻഡ്-ടു-എൻഡ് അനോട്ടേഷൻ പൈപ്പ്ലൈൻ ഷൈപ് നിർമ്മിച്ചു - 36-പോയിന്റ് ബോഡി സ്കീമ ഡെലിവറിയെ പിന്തുണയ്ക്കുകയും സ്ഥിരമായ ദൈനംദിന ത്രൂപുട്ടിൽ മോഡൽ-റെഡി ഡാറ്റാസെറ്റുകൾ നിർമ്മിക്കുകയും ചെയ്യുന്നു.
കീ സ്റ്റാറ്റസ്
ഫ്രെയിമുകൾ വ്യാഖ്യാനിച്ചു
150,000
പ്രധാന പോയിന്റുകൾ / ബോഡി
36
പ്രതിദിന ത്രൂപുട്ട്
30 ഫ്രെയിമുകൾ
പ്ലാറ്റ്ഫോം
സിവിഎടി
വെല്ലുവിളികൾ
- നിയന്ത്രിത സാമ്പിൾ വർക്ക്ഫ്ലോകളിൽ നിന്ന് സ്കെയിലിംഗ് 150,000 ഫ്രെയിമുകൾ പൂർണ്ണ ശരീര അസ്ഥികൂട വ്യാഖ്യാനം
- പരിപാലിക്കുന്നു ശരീരഘടനാപരമായ കൃത്യത വ്യത്യസ്ത പോസുകൾ, വീക്ഷണകോണുകൾ, ലൈറ്റിംഗ് അവസ്ഥകൾ എന്നിവയിലുടനീളം
- കൈകാര്യം ഭാഗിക ഒക്ലൂഷൻ കൂടാതെ കീപോയിന്റ് കൃത്യതയിൽ വിട്ടുവീഴ്ച ചെയ്യാതെ വിഷയങ്ങൾ ഓവർലാപ്പ് ചെയ്യുന്നു.
- ഏകോപിപ്പിക്കുന്നു മുഖത്തിന്റെ ലാൻഡ്മാർക്ക് + ശരീര അസ്ഥികൂടം ഒരൊറ്റ 36-പോയിന്റ് സ്കീമയിലെ സ്ഥാനം
- നിലനിർത്തുന്നത് എ ഒരു അനോട്ടേറ്ററിന് പ്രതിദിനം 30 ഫ്രെയിമുകൾ മുഴുവൻ ടീമിലുമുള്ള ത്രൂപുട്ട് ബെഞ്ച്മാർക്ക്
പരിഹാരം
വ്യാഖ്യാന തന്ത്രം
മുഖത്തിന്റെ ലാൻഡ്മാർക്കുകൾ (തല, കണ്ണുകൾ, ചെവികൾ, മൂക്ക്, താടി) തോളുകൾ, കൈകൾ, ശരീരം, ഇടുപ്പ്, കാലുകൾ എന്നിവയിലുടനീളം അസ്ഥികൂട സന്ധികൾ സംയോജിപ്പിച്ച് പൂർണ്ണ ശരീരഘടന കവറേജ് ഉൾക്കൊള്ളുന്ന 36 കീപോയിന്റ് ബോഡി സ്കീമ ഷായിപ്പ് രൂപകൽപ്പന ചെയ്തു. CVAT പ്ലാറ്റ്ഫോം ഈ സ്കീമ ഉപയോഗിച്ച് കോൺഫിഗർ ചെയ്യുകയും സ്ഥിരമായ ലേബലിംഗിനായി ടീമിലുടനീളം വ്യാപിപ്പിക്കുകയും ചെയ്തു.
പോസ് & വൈവിധ്യം കൈകാര്യം ചെയ്യൽ
വ്യത്യസ്ത പോസുകൾ, വീക്ഷണകോണുകൾ, ലൈറ്റിംഗ് അവസ്ഥകൾ, വസ്ത്ര തരങ്ങൾ എന്നിവയെ അടിസ്ഥാനമാക്കി വൈവിധ്യമാർന്ന വിഷയങ്ങൾ ഡാറ്റാസെറ്റ് മനഃപൂർവ്വം ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. നിൽക്കൽ, ഇരിക്കൽ, കുനിഞ്ഞിരിക്കൽ, കിടക്കൽ, ചലനാത്മക ചലന പോസുകൾ എന്നിവ ഒരേ തലത്തിലുള്ള കീപോയിന്റ് കൃത്യതയോടെ കൈകാര്യം ചെയ്യുന്നതിന് വ്യാഖ്യാതാക്കൾ പോസ്-നിർദ്ദിഷ്ട മാർഗ്ഗനിർദ്ദേശങ്ങൾ പിന്തുടർന്നു.
ഒക്ലൂഷൻ & എഡ്ജ്-കേസ് നിയമങ്ങൾ
വസ്ത്രത്തിന് പിന്നിലെ പ്രധാന പോയിന്റുകൾ, മറ്റ് അവയവങ്ങളാൽ മറഞ്ഞിരിക്കുന്ന ശരീരഭാഗങ്ങൾ, ഫ്രെയിമിന് പുറത്തുള്ള വിഷയങ്ങൾ എന്നിങ്ങനെ ഭാഗികമായി ഒക്ലൂഷനുകൾ കൈകാര്യം ചെയ്യുന്നതിന് കർശനമായ നിയമങ്ങൾ ബാധകമായിരുന്നു. ഡൗൺസ്ട്രീം പോസ് എസ്റ്റിമേഷൻ മോഡലുകൾക്കായി ഡാറ്റാസെറ്റ് സമഗ്രത സംരക്ഷിക്കുന്നതിനായി, ഏകദേശ കണക്കിനു പകരം വിസിബിലിറ്റി ഫ്ലാഗുകൾ ഉപയോഗിച്ച് മറഞ്ഞിരിക്കുന്ന ലാൻഡ്മാർക്കുകൾ അടയാളപ്പെടുത്തി.
ത്രൂപുട്ട് & ഉൽപ്പാദനക്ഷമതാ ബെഞ്ച്മാർക്ക്
8.5 മണിക്കൂർ ഷിഫ്റ്റിൽ, ഒരു ദിവസം ഒരു അനേറ്ററിന് 30 അംഗീകൃത അനോട്ടേറ്റഡ് ഫ്രെയിമുകൾ എന്ന മാനദണ്ഡം ടീം നിലനിർത്തി. കൃത്യത ലക്ഷ്യങ്ങൾക്കനുസൃതമായി ഈ മാനദണ്ഡം കാലിബ്രേറ്റ് ചെയ്തു, ത്രൂപുട്ട് ഗുണനിലവാരത്തിൽ വിട്ടുവീഴ്ച ചെയ്യുന്നില്ലെന്ന് ഉറപ്പാക്കി.
ഗുണനിലവാര ഉറപ്പ് വർക്ക്ഫ്ലോ
കീപോയിന്റ് പ്ലേസ്മെന്റ് കൃത്യത, ദൃശ്യപരത ഫ്ലാഗ് കൃത്യത, 36-പോയിന്റ് സ്കീമയുമായുള്ള സ്ഥിരത എന്നിവ ഉൾക്കൊള്ളുന്ന ഒരു ഘടനാപരമായ QA അവലോകനത്തിലൂടെ ഓരോ വ്യാഖ്യാന ഫ്രെയിമും കടന്നുപോയി. നിരസിച്ച ഫ്രെയിമുകൾ തുടർച്ചയായ മെച്ചപ്പെടുത്തൽ ഉറപ്പാക്കാൻ അനേറ്റർ-ലെവൽ ഫീഡ്ബാക്ക് ഉപയോഗിച്ച് തിരുത്തലിനായി തിരികെ നൽകി.
പദ്ധതി വ്യാപ്തി
| ഡാറ്റാസെറ്റ് തരം | അളവ് | പ്രധാന പോയിന്റുകൾ | പ്ലാറ്റ്ഫോം | ട്രേഡ് | ടൈംലൈൻ |
|---|---|---|---|---|---|
| മനുഷ്യശരീരത്തിലെ അസ്ഥികൂടം + പ്രധാന കുറിപ്പ് | 150,000 ഫ്രെയിമുകൾ | മനുഷ്യരൂപത്തിന് 36 | സിവിഎടി | 30 ഫ്രെയിമുകൾ/ദിവസം/അനേറ്റേറ്റർ | ഒന്നിലധികം മാസങ്ങൾ |
ഫലങ്ങൾ
- സ്ഥാപിച്ചത് സ്കെയിലബിൾ 36-കീപോയിന്റ് അനോട്ടേഷൻ ഫ്രെയിംവർക്ക് പോസ് എസ്റ്റിമേറ്റ് പ്രൊഡക്ഷൻ പരിശീലനത്തിന് തയ്യാറാണ്
- സ്റ്റാൻഡേർഡ് ശരീരഘടനാപരമായ ലാൻഡ്മാർക്ക് പ്ലേസ്മെന്റ് മുഖത്തിന്റെയും അസ്ഥികൂടത്തിന്റെയും ഭാഗങ്ങളിൽ
- പരിപാലിക്കുന്നത് പ്രതിദിനം 30-ഫ്രെയിമുകൾ അനോട്ടേറ്റർ ത്രൂപുട്ട് കൃത്യതയിൽ വിട്ടുവീഴ്ച ചെയ്യാതെ
- ഡെലിവർ ചെയ്തത് വൈവിധ്യമാർന്ന, ഒന്നിലധികം അവസ്ഥകളുള്ള ഡാറ്റാസെറ്റ് സ്പാനിംഗ് പോസുകൾ, ലൈറ്റിംഗ്, ആംഗിളുകൾ, വസ്ത്ര തരങ്ങൾ
- ക്ലയന്റിന്റെ പോസ് എസ്റ്റിമേഷൻ, മോഷൻ അനാലിസിസ്, ഫിറ്റ്നസ് ട്രാക്കിംഗ്, ഹെൽത്ത് കെയർ മൂവ്മെന്റ് AI റോഡ്മാർപ്പ്
മൊത്തത്തിൽ, 150,000-ഫ്രെയിം കീപോയിന്റ് അനോട്ടേഷൻ ആവശ്യകതയെ ഘടനാപരമായ, പ്രൊഡക്ഷൻ-റെഡി പൈപ്പ്ലൈനാക്കി മാറ്റാൻ Shaip സഹായിച്ചു - മനുഷ്യ പോസ് AI, ഫിറ്റ്നസ് ട്രാക്കിംഗ്, മോഷൻ ഡയഗ്നോസ്റ്റിക്സ്, ഹെൽത്ത്കെയർ മൂവ്മെന്റ് ആപ്ലിക്കേഷനുകൾ എന്നിവയെ സ്ഥിരമായ കൃത്യതയോടും സ്കെയിലോടും കൂടി പിന്തുണയ്ക്കാൻ കഴിവുള്ള ഒന്ന്.
ഞങ്ങളുടെ പോസ് എസ്റ്റിമേഷൻ മോഡലുകൾക്ക് ആവശ്യമായ കൃത്യതയോടെ ഷായിപ്പ് ഞങ്ങളുടെ കീപോയിന്റ് അനോട്ടേഷൻ ബാക്ക്ബോൺ നൽകി. അവരുടെ 36-പോയിന്റ് സ്കീമ എക്സിക്യൂഷൻ, ഒക്ലൂഷൻ ഹാൻഡ്ലിംഗ്, സ്ഥിരമായ ദൈനംദിന ത്രൂപുട്ട് എന്നിവ നേരിട്ട് ശക്തമായ മോഡൽ പ്രകടനത്തിലേക്ക് വിവർത്തനം ചെയ്യപ്പെട്ടു.
— ഡയറക്ടർ, കമ്പ്യൂട്ടർ വിഷൻ എഞ്ചിനീയറിംഗ്