Évaluation de différents modèles d’estimation de pose dans le contexte des arts du cirque
L'avènement des technologies numériques, y compris la réalité mixte et virtuelle, a offert un potentiel créatif et économique au secteur des arts. Les compagnies des arts du cirque explorent l'utilisation de ces outils technologiques pour créer des spectacles utilisant les technologies numériques ou pour améliorer les performances des artistes. Dans le cadre de ces enjeux, la capture de mouvement offrirait de grands bénéfices pour la communauté circassienne, cependant, il est impossible d’utiliser les systèmes de capture de mouvement actuels, avec marqueurs et dans des laboratoires car trop contraignants pour la pratique du cirque. Une technologie utilisant des caméras couplées à un modèle d’estimation de pose représenterait une bonne solution. Or il n’est pas sûr que les modèles d’estimation de pose actuels puissent reconnaitre les mouvements des artistes de cirque.
L’objectif général du projet est d’évaluer plusieurs modèles d’estimation de pose dans un contexte des arts du cirque. La méthodologie proposée est de tester plusieurs modèles d’estimation de pose avec des mouvements acrobatiques pour différentes disciplines de cirque afin d’évaluer les performances de ce système et d’en déterminer les limites.
Tâches
Faire la comparaison de plusieurs modèles d’estimation de pose comme VITPose, TRTPose ou MediaPipe avec des données de capture de mouvement et indiquer les limites de ces systèmes pour les arts du cirque en fonction par exemple des disciplines ou des mouvements réalisés
Développer de nouveaux scripts ou des pipeline pour mettre en place les modèles d'estimation de pose et visualiser les données ainsi que des analyses pour comparer la précision des différents systèmes.
Rédiger des rapports pour documenter les différences et les conséquences sur leur utilisation dans les arts du cirque
Required knowledge
Programmation Python, Matlab est un plus
Résolution de problème
Communication
Capacités à préparer et analyser des données
Des connaissances en vision par ordinateur sont un plus