L’analyse du mouvement humain est cruciale pour étudier les gens et comprendre comment ils se comportent, communiquent et interagissent avec les environnements du monde réel. En raison de la nature complexe des mouvements du corps ainsi que du coût élevé des systèmes de capture de mouvement, l’acquisition du mouvement humain n’est pas simple et limite donc la production de données. Maxime Devanne, enseignant à l’ENSISA et chercheur à l’IRIMAS, décrit DELEGATION, son nouveau projet recherche.
« Les approches récentes d’estimation des poses humaines à partir de vidéos offrent de nouvelles opportunités pour analyser le mouvement humain basé sur le squelette. Alors que l’analyse du mouvement humain a été largement étudiée pour la compréhension du comportement comme la reconnaissance d’action, certains efforts restent à faire pour la tâche de génération de mouvement humain. En particulier, la génération automatique de séquences de mouvement est bénéfique pour augmenter rapidement la quantité de données et améliorer les algorithmes d’analyse utilisant l’apprentissage profond.
De plus, les modèles génératifs facilitent la compréhension des caractéristiques intrinsèques des données et permettent ainsi la génération de nouveaux contenus variables. Particulièrement, ces considérations peuvent être bénéfiques et prometteuses dans le domaine médical et notamment en réadaptation physique. »
DELEGATION: DEep LEarning for Generating humAn moTION
« Le projet DELEGATION vise à proposer des méthodes d’apprentissage profond pour générer diverses séquences de mouvements humains expressifs basés sur le squelette. Au cœur de ces méthodes, des sous-espaces latents continus permettront de contrôler le processus de génération à travers des paramètres d’entrée significatifs tels que le type d’action/activité, l’émotion, le style de mouvement, la morphologie humaine cible, etc. En sélectionnant certains de ces paramètres, un utilisateur peut alors générer de nouvelles séquences de mouvement correspondant à chacun des critères.
L’idée de DELEGATION est représentée en figure 1 où les sous-espaces latents d’action et de style permettent la génération d’une nouvelle action – par exemple marcher – avec un style – par exemple fièrement. De plus, un tel cadre sera étendu pour considérer des séquences de mouvement complexes combinant des primitives de mouvement plus courtes afin de générer des mouvements réalistes comme les activités de la vie quotidienne (AVQ) comme préparer un repas. »
Figure 1 : Schéma du modèle génératif de séquences de mouvements
Partenaires du projet :
Financement :
Agence National de la Recherche, instrument Jeunes Chercheurs Jeunes Chercheuses (JCJC)
Maxime Devanne + d’infos IRIMAS + d’infos DELEGATION