使用可学习的物理知识进行实时锻炼姿势建议
原文中文，约400字，阅读约需1分钟。发表于：。通过使用 MediaPipe 进行姿势识别、峰值检测来计算重复次数以及使用可学习的物理模拟来追踪运动演变，本文提出了一个算法流程，可以实时检测和纠正运动技术问题，并通过统计学习基于典型学习运动来诊断测试视频。这个低成本设备如智能手机支持的实时推荐系统将帮助锻炼者纠正潜在的错误，使得自我练习成为可行的同时降低锻炼伤害的风险。
该研究提出了一个新的PoseRec网络来解决微视频平台中物体效果推荐的问题，利用3D人体姿势的优势实现高质量的效果推荐表现，并使用item-aware implicit prototype learning module和pose-aware transductive hard-negative mining module进一步解决内在的模糊和稀疏问题。在新的数据集Pose-OBE上的广泛实验表明，该方法比强基线都具有更优越的表现。
