3D-Animation · F&E

Lodyk

Eine Übung eines Trainers, mit dem Handy gefilmt, wird zur 3D-Demo: Eine Figur wiederholt die Bewegung, und die Worte des Trainers werden auf Englisch und Ukrainisch vertont. Das Videomaterial des Trainers wird nie gezeigt.

Jahr
2026
Status
F&E
Umfang
31 Commits
Stack
Python · NLF · SMPL · NumPy · SciPy · Blender · FFmpeg
  • 8.50 pxArmfehler, gesenkt von 11,80
  • 0.40%Gelenke, die auf ungesehenen Clips rückwärts knicken, gesenkt von 2,92 %
  • 5Clips im Benchmark, 2 nie fürs Tuning verwendet
  • 31Commits

Die Aufgabe

Posenmodelle liefern einen Körper pro Frame, keine Bewegung. Roh zittern die Gelenke, Ellbogen knicken rückwärts und Füße versinken im Boden – und eine Cartoonfigur macht jeden dieser Fehler offensichtlich.

So funktioniert es

  1. 01

    Handyvideo

    Eine statische Einstellung einer Off-Ice-Übung. Eingebrannte Untertitel werden zum Trainerskript.

  2. 02

    Körper pro Frame

    NLF liefert für jeden Frame ein Körpermodell mit 24 Gelenken.

  3. 03

    Bewegungs-Solver

    Rotationen werden über die Zeit angepasst, sodass die Bewegung flüssig ist und die Gelenke im Rahmen dessen bleiben, was ein Körper kann.

  4. 04

    Boden und Kollisionen

    Füße bleiben auf dem Boden, Gliedmaßen außerhalb des Körpers, und die Frames, in denen beide Kufen den Boden verlassen, werden markiert.

  5. 05

    Maskottchen in Blender

    Dieselbe Bewegung steuert das Rig von Lodyk. Vor dem Rendern laufen Mesh-Prüfungen.

  6. 06

    Rendern und montieren

    Das Rendering wird mit den Anweisungen des Trainers auf Englisch und Ukrainisch montiert.

Quelle: IMG_9874.MOV · 1280×720 · 30 fps · 26,2 s · eine feste Kamera

Trainerskript aus eingebrannten Untertiteln:
„achte auf die Position in der Luft“

Benchmark

MetrikBasisStandardBasis, zurückgehaltenStandard, zurückgehalten
Armfehler, px11.808.508.847.42
Handflächenrollung, °412402221204
Ruck p998672878785067541
rückwärts knickende Gelenke5.18%3.29%2.92%0.40%
kombiniert0.610.570.460.41

Jede Änderung am Solver wird auf mehreren Clips bewertet, bevor sie bleibt. Niedriger ist besser.

Bekannte Grenzen

  • Arme an 2D-Landmarken anzupassen kostet Gesamt-Axialverdrehung (2.403 → 4.339). Das ist der Preis dafür, die Arme des Trainers überhaupt zu treffen.
  • Manche Filter verbesserten die Zahl, auf die sie zielten, und machten etwas kaputt, das ihre Metrik nicht sehen konnte – deshalb laufen Entscheidungen jetzt über die Scorecard.

Brauchen Sie etwas Ähnliches?

Erzählen Sie mir von Ihrer Aufgabe und Ihren Daten. Ich antworte mit einem Vorschlag, wie ich es angehen würde.

Projekt besprechen →