La méthode WHAM développée conjointement par l'Université Carnegie Mellon et l'Institut Max Planck pour les systèmes intelligents a réalisé une avancée majeure dans le domaine de l'estimation du mouvement humain en 3D. Cette méthode utilise une technologie d'apprentissage profond pour reconstruire avec précision la posture et la forme humaines à partir de vidéos monoculaires, et grâce à une conception d'algorithme intelligente, elle réduit efficacement l'impact du glissement du pied et permet d'obtenir une capture de mouvement humain 3D de haute précision et efficace. Cette technologie a donné de bons résultats lors des tests sur le terrain, surpassant de nombreuses méthodes avancées existantes et ouvrant de nouvelles possibilités à la technologie de capture de mouvement.
La méthode WHAM lancée conjointement par l'Université Carnegie Mellon et l'Institut Max Planck pour les systèmes intelligents a réalisé une percée dans l'estimation précise du mouvement humain 3D à partir de la vidéo en termes de précision et d'efficacité. Cette méthode combine le mouvement humain 3D et l’arrière-plan vidéo, et utilise une technologie d’apprentissage profond pour reconstruire avec précision la posture et la forme humaines à partir de vidéos montrant un seul œil. WHAM, avec une cohérence globale des coordonnées, obtient d'excellents résultats en minimisant le glissement du pied dans le contexte de mouvement et les informations de contact pied-sol. Lors des tests sur le terrain, WHAM a obtenu des résultats supérieurs sur plusieurs indicateurs et constitue actuellement l’une des méthodes les plus avancées.
L'émergence de la méthode WHAM marque un progrès significatif dans la technologie d'estimation du mouvement humain en 3D. Sa grande précision et son efficacité offrent un support technique solide pour la réalité virtuelle, la production d'animation, l'analyse sportive et d'autres domaines. application future pour promouvoir le développement et le progrès continus des technologies connexes.