Actuellement deux méthodes sont principalement utilisées pour la modélisation d’un corps en mouvement, sans pouvoir modéliser effacement lors de mouvements rapides . La première, DynamicFusion, utilise des données de profondeur, qui sont captées à l’aide d’une seule caméra, afin d’estimer la posture d’un corps. La seconde, BodyFusion, se base sur un squelette numérique pour estimer une pose.
Afin d’ améliorer la modélisation d’un corps en mouvement, ces deux méthodes ont été combinées en un seul et même concept baptisé DoubleFusion par des chercheurs de l’université Tsinghua en Chine, de l’Université de Beihang, de Google, de l’USC et de l’Institut Max Planck. Les résultats ont permis de produire d’excellents modèles de corps à partir d’une variété de poses et de tenues. Des sweat-shirts à capuche, des écouteurs, des vêtements amples, rien ne s’oppose au système DoubleFusion.
Un inconvénient, cependant, est qu’il tend à surestimer la taille d’une personne si elle porte beaucoup de vêtements ou un gros pull. Et cela ne fonctionne pas bien quand la personne interagit avec un objet séparé. Le traitement de ces exceptions est prévu lors des travaux futurs.
Source: https://techcrunch.com/ -19:/06/18