教练,我想学跳舞:NBA球星变身“舞王”,都是托机器学习的福

2023-10-15 11:30

本文主要是介绍教练,我想学跳舞:NBA球星变身“舞王”,都是托机器学习的福,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

栗子 发自 凹非寺
量子位 报道 | 公众号 QbitAI

640?wx_fmt=gif

注意屏幕右下角,那随性的舞步 (↑↑↑) 。

他是杰伦·布伦森,达拉斯独行侠 (小牛) 的新秀控卫。几天前,在主场对马刺的比赛上,他砍下了全场最高的34分。

但重点不在比赛,而在中场休息的“Dance Cam”时间:布伦森出现在大屏一角,和看台上的球迷一起“舞蹈”,前所未有。

并且,除了与民同乐的画风之外,他也会“跳”火星哥的舞:

640?wx_fmt=gif

那么,NBA球员是怎样解锁这样精湛的动作的?

布伦森先站在绿幕前面,录下了一些基本动作:

640?wx_fmt=gif

然后,回去练球,学舞的事交给机器学习就好。

捕捉一下姿态

640?wx_fmt=jpeg

要学跳舞,第一步是用姿态估计算法,一帧一帧处理录好的视频,把布伦森变成火柴人。

卡耐基梅隆大学出品的OpenPose,就是一个优秀的选择:

640?wx_fmt=gif

OpenPose会标出人体的18个关键点:

640?wx_fmt=png

把这些点连成一个火柴人,来表示人物的姿态。

训练一下舞步

既然是和火星哥学跳舞,就要用同样的方法,把火星哥的舞蹈视频处理一下,变出火柴人。

640?wx_fmt=png

然后,参照伯克利Everybody Dance Now的做法:

AI会探索出一种规则,把两个火柴人身上的每个关键点,一一匹配起来。

640?wx_fmt=png

这样,就算两人身材比例有差别,舞姿也不会在传递的过程中走了样。

(如果下一次,要和另外一位老师学舞,只要让AI再找出一套匹配规则就可以了。)

当布伦森的火柴人解锁了火星哥的舞姿,就要训练一只GAN,把火柴人变成完整的人形。

640?wx_fmt=png

来自英伟达 (和伯克利) 的pix2pixHD便可以完成这个任务:

GAN的生成器要造出足够逼真的图像,让判别器分辨不出谁是真实视频的截图,谁是生成器的作品。

最终,布伦森便拥有了火星哥精致的舞步:

640?wx_fmt=gif

其实,除了布伦森,还有很多人偷偷向火星哥“学”过舞:

640?wx_fmt=gif

 来自伯克利,Everybody Dance Now!

One More Thing

那么问题来了,冉冉升起的NBA新星,怎么会想去“学跳舞”?

布伦森“练舞”的成果,来自一间叫做Xpire的AI公司,总部也在达拉斯。

而他效力的球队小牛的老板库班,是这间公司的联合创始人。

640?wx_fmt=jpeg

OpenPose:
https://github.com/CMU-Perceptual-Computing-Lab/openpose

Everybody Dance Now论文传送门:
https://arxiv.org/pdf/1808.07371.pdf

pix2pixHD项目传送门:
https://github.com/NVIDIA/pix2pixHD


订阅AI内参,获取行业资讯

640?wx_fmt=jpeg

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

640?wx_fmt=jpeg

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧 !

这篇关于教练,我想学跳舞:NBA球星变身“舞王”,都是托机器学习的福的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/217411

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件