یکی از چالشهای بزرگ در دنیای بینایی ماشین، شبیهسازی حرکات بدن انسان در محیطهای مختلف است؛ بهطوری که نه تنها واقعی باشد، بلکه اعضای بدن هم با اشیاء داخل صحنه «تداخل» پیدا نکنند (مثلاً دست از دیوار رد نشود!).
محققان بهتازگی چارچوب نوآورانهای به نام DeSeG معرفی کردهاند که با جداسازی «هدفِ معنایی» از «محدودیتهای هندسی»، این مشکل را حل کرده است. این مدل با استفاده از یک برنامهریز معنایی و یک اجراکننده مبتنی بر فیزیک، توانسته خطاهای تداخل (Penetration) را تا ۴۷٪ کاهش و دقت حرکات را تا ۲۹٪ افزایش دهد.
این یعنی به زودی شاهد آواتارهای دیجیتال و رباتهای انساننمایی خواهیم بود که در فضاهای پیچیده بسیار طبیعیتر و با درک فیزیکی دقیقتر حرکت میکنند! ✨
منبع: arXiv Computer Vision