OpenCapBench: A Benchmark to Bridge Pose Estimation and Biomechanics

姿态估计有望通过实现更实用的方法来量化人类运动和生物力学的微妙差别，从而对医疗保健产生影响。然而，尽管姿态估计与生物力学之间存在内在联系，但这些学科在很大程度上仍然是分离的。例如，大多数当前的姿态估计基准使用指标，如平均每个关节位置误差、正确关键点的百分比或平均平均精度来评估性能，而不量化运动学和生理学的正确性——这是生物力学的关键方面。为了缓解这一挑战，我们开发了OpenCapBench，提供一个易于使用的统一基准来评估人类姿态估计中的常见任务，并在生理约束下进行评估。OpenCapBench通过由开源肌肉骨骼建模软件（OpenSim）提供的关节角度计算一致的运动学指标。通过OpenCapBench，我们证明了当前的姿态估计模型使用的关键点对于精确的生物力学分析来说过于稀疏。为了缓解这一挑战，我们引入了SynthPose，这是一种新方法，可以通过使用合成数据，使预训练的2D人体姿态模型进行微调，以预测任意密集的关键点集，从而进行准确的运动学分析。将这样的微调应用于先前模型的合成数据可使关节角度误差减少一半。此外，OpenCapBench允许用户在我们的临床相关队列上对其自己开发的模型进行基准测试。总的来说，OpenCapBench架起了计算机视觉和生物力学社区之间的桥梁，旨在推动两个领域的同时进步。

本论文旨在解决姿态估计与生物力学之间的联系不足的问题，提出了一个易于使用的统一基准，通过生理约束评估常见的人体姿态估计任务。

论文提出了一个新的方法——SynthPose，通过使用合成数据对预训练的2D人体姿态模型进行微调，以预测任意密集的关键点，从而实现准确的运动学分析。

论文通过开源肌肉骨骼建模软件（OpenSim）提供了一致的运动学指标，并证明了当前的姿态估计模型使用的关键点对于准确的生物力学分析来说过于稀疏。此外，论文还提供了一个临床相关的队列，允许用户在该队列上对其自己开发的模型进行基准测试。论文还使用了开源数据集，并提供了开源代码。

在相关研究中，最近的一些研究包括：《Deep Learning for Human Motion Analysis: A Review》、《Pose Estimation and Tracking Using Deep Learning: A Survey》、《A Review of Human Motion Prediction Using Machine Learning》等。