AIが
映像解析・スイング区分
あとで読む保存した記事へ →
まず答え
各場面の定義に合うコマを、前後の動きも使って推定します。動画に写っていない接触の瞬間を直接測定する仕組みとは違い、フレーム間隔や判定基準によるずれが残ります。
詳しい解説
動画の各コマから「トップらしさ」「インパクトらしさ」などを推定し、該当する場面のコマを選びます。見た目が似た静止画でも、上げている途中か下ろしている途中かで意味が違うため、前後の動きも判断材料になります。
ゴルフ動画の研究GolfDBでは、アドレス、トップ、インパクトなどの場面を定義して、人が正解となるコマを付けたデータを用意しました。たとえばトップは、クラブがバックスイングからダウンスイングへ向きを変える場面です。研究のモデルSwingNetは、画像とその時間的なつながりから、各コマがどの場面に当たるかを推定します。
ただし、正解のコマ自体にも限界があります。同研究では、通常速度の30fps動画にはクラブとボールが接触する瞬間が写っていないことが多く、最も近いコマを選んでいます。AIが「インパクト」と表示したコマを、接触を精密に実測した瞬間として扱うのは適切ではありません。
解析するときは、採用しているトップやインパクトの定義、撮影条件、選ばれたコマの前後を確認します。これはスイングの場面を分ける処理であり、その動作が良いか悪いか、飛距離が出るかを判定する処理とは別です。市販サービスがすべて同じ方法を使うわけでもありません。