A Real-Time System for Athlete Pose Analysis and Feedback Based on Machine Learning
Notice bibliographique
Résumé
Accurate and real-time analysis of athlete posture is an important topic in sports-related image processing.In practical training environments, pose analysis systems are expected to operate under strict real-time constraints while remaining robust to occlusion, motion blur, and scene variation.However, existing approaches face several limitations.0054hreedimensional pose estimation often depends on large amounts of annotated data, which are expensive and difficult to obtain.Lightweight models designed for real-time inference tend to sacrifice spatiotemporal feature representation, leading to reduced accuracy.In addition, current feedback mechanisms are usually loosely connected to the underlying pose features and therefore provide limited diagnostic value.To address these issues, a real-time pose analysis and feedback framework based on self-supervised spatiotemporal optimization is presented.The system adopts a three-stage architecture consisting of a lightweight image feature extraction and two-dimensional keypoint detection module, a dual-path spatiotemporal feature refinement module, and a sequence-based feedback generation module.The refinement stage combines adaptive graph convolution for skeletal topology modeling with a lightweight spatiotemporal Transformer for learning temporal image features.Temporal coherence across video frames is exploited to construct self-supervised constraints for three-dimensional pose learning without manual annotations.Pose sequences are further matched with standard motion templates using dynamic time warping, and the resulting deviations are translated into structured feedback.The proposed framework reduces the dependence on annotated data, maintains real-time performance on edge devices, and provides interpretable feedback linked directly to pose deviations.Experimental results demonstrate that the system achieves a balanced trade-off between efficiency, accuracy, and practical usability in real training scenarios.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».