“spor analizi” için sonuçlar
6 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Artık Hiç Görmediği Hareketleri de Tanıyabiliyor
Araştırmacılar, yapay zekanın daha önce hiç öğrenmediği video hareketlerini tanıyabilmesi için yenilikçi bir yöntem geliştirdi. CLIP modelini geliştiren bu sistem, hareket duyarlı ve statik görsel özellikleri birbirinden ayırarak, pozitif ve negatif metin ipuçlarıyla semantik hizalama yapıyor. Motion Separation Module ile hareketleri analiz eden sistem, gated cross-attention mekanizmasıyla gereksiz bilgileri filtreleyerek hareket temsilini iyileştiriyor. Standart benchmark testlerinde önceki CLIP tabanlı yaklaşımlardan daha başarılı sonuçlar elde eden bu yöntem, hem genel hem de detaylı hareket kategorilerinde güçlü sıfır-atışlı tanıma performansı sergiliyor. Bu gelişme, güvenlik kameralarından spor analizine kadar birçok alanda kullanılabilecek.
BasketHAR: Basketbol Antrenmanları için Yapay Zeka Veri Seti Geliştirildi
Araştırmacılar, basketbol antrenmanlarında insan aktivitelerini tanımak için özel olarak tasarlanmış yenilikçi bir veri seti olan BasketHAR'ı geliştirdi. Bu çok modlu veri seti, profesyonel seviyedeki basketbol hareketlerini analiz etmek için kapsamlı sensör verileri ve video kayıtları içeriyor. Geleneksel aktivite tanıma sistemleri yürüme, durma gibi temel hareketlere odaklanırken, BasketHAR spor performans analizine özel bir yaklaşım sunuyor. Veri seti, ivmeölçer, jiroskop, kalp ritmi, deri sıcaklığı ve manyetik alan ölçümlerini senkronize video kayıtlarıyla birleştiriyor. Bu gelişme, spor biliminde yapay zeka uygulamaları için önemli bir adım teşkil ediyor.
Yapay Zeka İnsan Hareketlerini 3D Olarak Daha Doğru Tahmin Edebiliyor
Bilgisayar görüşü alanında önemli bir yenilik gerçekleşti. Araştırmacılar, 2D görüntülerden 3D insan pozlarını tahmin etmek için hibrit bir yapay zeka modeli geliştirdi. MixTGFormer adı verilen bu sistem, geleneksel Transformer ağlarını grafik sinir ağları ile birleştirerek hem global hem de lokal özellikleri etkili şekilde analiz ediyor. Yeni yaklaşım, insan iskelet yapısının uzamsal ve zamansal ilişkilerini iki paralel kanal üzerinden aynı anda modelleyebiliyor. Bu teknoloji, spor analizi, sağlık izleme, sanal gerçeklik uygulamaları ve hareket yakalama sistemleri gibi birçok alanda devrim yaratma potansiyeli taşıyor. Sistem, özellikle iskelet eklemlerinin birbirleriyle olan yerel bağlantılarını ve farklı kanallar arası bilgi akışını daha iyi anlayarak, mevcut yöntemlere göre daha hassas sonuçlar üretiyor.
İnsan Hareketlerini Daha Doğal Tanıyan Yapay Zeka Algoritması Geliştirildi
Araştırmacılar, insan hareketlerini tanıyan yapay zeka sistemlerinde önemli bir sorunu çözdü. Mevcut sistemler, hareketleri keskin sınırlarla ayırarak doğal akışı göz ardı ediyor. Yeni TranCLR algoritması, hareketler arasındaki geçişleri modelleyerek daha yumuşak ve gerçekçi bir tanıma sistemi oluşturuyor. Bu teknoloji, spor analizi, sağlık takibi ve güvenlik sistemleri gibi alanlarda kullanılabilir. Algoritma, geleneksel ikili karşılaştırma yerine, hareketlerin sürekli doğasını dikkate alan yenilikçi bir yaklaşım benimsiyor.
İnsan Hareketlerini Anlamak İçin Yeni Yapay Zeka Modeli Geliştirildi
Araştırmacılar, insan hareketlerini daha iyi anlayabilmek için yeni bir yaklaşım geliştirdi. EXACT adlı özel programlama dili kullanan bu sistem, insan hareketlerini sadece tanımakla kalmayıp, nasıl gerçekleştirildiğini de analiz edebiliyor. Geleneksel yöntemler genellikle hangi hareketin yapıldığına odaklanırken, bu yeni model hareketin kalitesini ve yapısını değerlendiriyor. İnsan-merkezli sistemler için kritik olan bu gelişme, robotik, spor analizi ve rehabilitasyon alanlarında devrim yaratma potansiyeli taşıyor.
Videolarda Görülmemiş Eylemleri Tespit Eden Yapay Zeka Modeli Geliştirildi
Araştırmacılar, videolarda daha önce görmediği eylemleri tanıyabilen yeni bir yapay zeka sistemi geliştirdi. DFAlign adlı bu sistem, difüzyon teknolojisini kullanarak video içeriklerindeki gereksiz bilgileri temizliyor ve eylem tespitinde daha başarılı sonuçlar elde ediyor. Geleneksel yöntemlerin aksine, bu sistem basit eylem etiketleri ile karmaşık video içerikleri arasındaki uyumsuzluğu çözmeye odaklanıyor. Teknoloji, özellikle güvenlik kameraları, spor analizi ve içerik moderasyonu gibi alanlarda devrim yaratma potansiyeli taşıyor. Sistem, videolardaki arka plan gürültüsünü bastırırken önemli eylem bilgilerini ön plana çıkarıyor.