মানবদেহের মূলবিন্দুর টীকা
শাইপ পোজ এস্টিমেশন, মোশন অ্যানালাইসিস, ফিটনেস ট্র্যাকিং এবং হেলথকেয়ার মুভমেন্ট এআই-কে শক্তিশালী করার জন্য, মুখের ল্যান্ডমার্ক (মাথা, চোখ, কান, নাক, চিবুক) এবং কঙ্কালের জয়েন্টগুলোকে (কাঁধ, কনুই, কবজি, কোমর, হাঁটু, গোড়ালি) একত্রিত করে একটি ৩৬-কীপয়েন্টের পূর্ণাঙ্গ শারীরিক স্কিমা দিয়ে ১,৫০,০০০ ফ্রেমের ছবি ও ভিডিও ডেটা অ্যানোটেট করেছেন।
প্রজেক্ট সারসংক্ষেপ
পোজ এস্টিমেশন এবং হিউম্যান মোশন এআই যখন প্রোডাকশন ডেপ্লয়মেন্টের দিকে এগোচ্ছে, তখন ক্লায়েন্টের এমন একটি স্কেলেবল অ্যানোটেশন ফ্রেমওয়ার্কের প্রয়োজন ছিল যা বিভিন্ন বাস্তব-জগতের পরিস্থিতিতে শারীরস্থানিকভাবে নির্ভুল পূর্ণাঙ্গ কীপয়েন্ট কভারেজ সহ ১,৫০,০০০ ফ্রেমের ছবি এবং ভিডিও ডেটা লেবেল করতে পারবে।
শাইপ কীপয়েন্ট প্লেসমেন্ট, মাল্টি-অ্যাঙ্গেল পোজ হ্যান্ডলিং, অক্লুশন ম্যানেজমেন্ট এবং স্ট্রাকচার্ড কিউএ সহ একটি এন্ড-টু-এন্ড অ্যানোটেশন পাইপলাইন তৈরি করেছেন — যা ৩৬-পয়েন্ট বডি স্কিমা ডেলিভারি সমর্থন করে এবং ধারাবাহিক দৈনিক থ্রুপুটে মডেল-রেডি ডেটাসেট তৈরি করে।
মূল অবস্থা
ফ্রেমগুলি টীকাযুক্ত
150,000
মূল বিষয়বস্তু / মূল অংশ
36
দৈনিক থ্রুপুট
30 ফ্রেম
প্ল্যাটফর্ম
CVAT
চ্যালেঞ্জ
- নিয়ন্ত্রিত নমুনা কর্মপ্রবাহ থেকে স্কেলিং 150,000 ফ্রেম সম্পূর্ণ শরীরের কঙ্কালের টীকা
- নিয়ন্ত্রণের শারীরবৃত্তীয় নির্ভুলতা বিভিন্ন ভঙ্গি, দেখার কোণ এবং আলোর পরিস্থিতিতে
- হ্যান্ডলিং আংশিক অবরোধ এবং কীপয়েন্ট নির্ভুলতার সাথে আপোস না করে ওভারল্যাপিং বিষয়
- সমন্বয়ের মুখের ল্যান্ডমার্ক + শরীরের কঙ্কাল একটি একক ৩৬-পয়েন্ট স্কিমাতে স্থাপন
- টিকিয়ে রাখা a প্রতি অ্যানোটেটরের জন্য প্রতিদিন ৩০টি ফ্রেম পুরো দল জুড়ে থ্রুপুট বেঞ্চমার্ক
সমাধান
টীকা কৌশল
শাইপ একটি ৩৬-কীপয়েন্ট বিশিষ্ট শারীরিক কাঠামো ডিজাইন করেন যা সম্পূর্ণ শারীরবৃত্তীয় গঠনকে অন্তর্ভুক্ত করে — এতে মুখমণ্ডলের বিভিন্ন গুরুত্বপূর্ণ অংশ (মাথা, চোখ, কান, নাক, চিবুক) এবং কাঁধ, বাহু, ধড়, কোমর ও পায়ের কঙ্কালের সন্ধিগুলো সংযুক্ত ছিল। এই কাঠামো অনুযায়ী CVAT প্ল্যাটফর্মটি কনফিগার করা হয় এবং সামঞ্জস্যপূর্ণ লেবেলিং নিশ্চিত করার জন্য পুরো টিমের মধ্যে এটি চালু করা হয়।
ভঙ্গি এবং বৈচিত্র্য পরিচালনা
ডেটা সেটটি ইচ্ছাকৃতভাবে বিভিন্ন ভঙ্গি, দেখার কোণ, আলোর অবস্থা এবং পোশাকের ধরণ জুড়ে থাকা নানা ধরনের বিষয়বস্তুকে অন্তর্ভুক্ত করেছে। অ্যানোটেটররা দাঁড়ানো, বসা, উবু হয়ে বসা, শোয়া এবং গতিশীল ভঙ্গিগুলোকে একই স্তরের কীপয়েন্ট নির্ভুলতার সাথে পরিচালনা করার জন্য ভঙ্গি-নির্দিষ্ট নির্দেশিকা অনুসরণ করেছেন।
অবরুদ্ধকরণ এবং প্রান্তিক-ক্ষেত্র নিয়ম
আংশিক প্রতিবন্ধকতা—যেমন পোশাকের আড়ালে থাকা কীপয়েন্ট, অন্য অঙ্গপ্রত্যঙ্গের আড়ালে থাকা শরীরের অংশ এবং ফ্রেমের বাইরে আংশিকভাবে থাকা বিষয়বস্তু—পরিচালনার ক্ষেত্রে কঠোর নিয়মকানুন ছিল। লুকানো ল্যান্ডমার্কগুলোকে আনুমানিক না করে ভিজিবিলিটি ফ্ল্যাগ দিয়ে চিহ্নিত করা হতো, যা পরবর্তী পোজ এস্টিমেশন মডেলগুলোর জন্য ডেটাসেটের অখণ্ডতা বজায় রাখত।
থ্রুপুট এবং উৎপাদনশীলতা বেঞ্চমার্ক
দলটি সাড়ে আট ঘণ্টার শিফটে প্রতিদিন প্রতি অ্যানোটেটরের জন্য ৩০টি অনুমোদিত অ্যানোটেটেড ফ্রেমের একটি মানদণ্ড বজায় রেখেছিল। এই মানদণ্ডটি নির্ভুলতার লক্ষ্যমাত্রার সাথে মিলিয়ে নির্ধারণ করা হয়েছিল, যা নিশ্চিত করে যে কাজের গতি গুণমানের সাথে আপোস না করে।
গুণমান নিশ্চিতকরণ কর্মপ্রবাহ
প্রতিটি অ্যানোটেড ফ্রেম একটি কাঠামোগত QA পর্যালোচনার মধ্য দিয়ে গেছে, যেখানে কীপয়েন্ট বসানোর নির্ভুলতা, ভিজিবিলিটি ফ্ল্যাগের সঠিকতা এবং ৩৬-পয়েন্ট স্কিমার সাথে সামঞ্জস্যতা যাচাই করা হয়েছে। ক্রমাগত উন্নতির লক্ষ্যে, প্রত্যাখ্যাত ফ্রেমগুলো অ্যানোটেটর-স্তরের মতামতসহ সংশোধনের জন্য ফেরত পাঠানো হয়েছে।
প্রকল্পের সুযোগ
| ডেটাসেটের প্রকার | আয়তন | গুরুত্বপূর্ণ দিক | প্ল্যাটফর্ম | থ্রুপুট | Timeline |
|---|---|---|---|---|---|
| মানবদেহের কঙ্কাল + মূলবিন্দু টীকা | 150,000 ফ্রেম | মানব আকৃতি প্রতি ৩৬ | CVAT | প্রতিদিন ৩০ ফ্রেম/অ্যানোটেটর | বহু-মাস |
ফলাফল
- প্রতিষ্ঠিত একটি পরিমাপযোগ্য ৩৬-কীপয়েন্ট অ্যানোটেশন ফ্রেমওয়ার্ক পোজ এস্টিমেশন প্রোডাকশন প্রশিক্ষণের জন্য প্রস্তুত
- প্রমিত শারীরবৃত্তীয় ল্যান্ডমার্ক স্থাপন মুখমণ্ডল এবং কঙ্কালের অঞ্চল জুড়ে
- রক্ষণাবেক্ষণ প্রতিদিন ৩০-ফ্রেমের অ্যানোটেটর থ্রুপুট নির্ভুলতার সাথে আপস না করেই
- বিতরণ করা হয়েছে একটি বৈচিত্র্যময়, বহু-শর্ত ডেটাসেট ভঙ্গি, আলো, কোণ এবং পোশাকের ধরণ জুড়ে
- ক্লায়েন্টের সক্ষম করা হয়েছে পোজ এস্টিমেশন, মোশন অ্যানালাইসিস, ফিটনেস ট্র্যাকিং, এবং স্বাস্থ্যসেবা মুভমেন্ট এআই রোডম্যাপ
সামগ্রিকভাবে, শাইপ দেড় লক্ষ ফ্রেমের কীপয়েন্ট অ্যানোটেশনের প্রয়োজনীয়তাকে একটি সুসংগঠিত ও উৎপাদন-উপযোগী পাইপলাইনে রূপান্তরিত করতে সাহায্য করেছেন—যা ধারাবাহিক নির্ভুলতা ও ব্যাপকতার সাথে মানুষের অঙ্গভঙ্গি বিষয়ক এআই, ফিটনেস ট্র্যাকিং, গতি নির্ণয় এবং স্বাস্থ্যসেবা সংক্রান্ত মুভমেন্ট অ্যাপ্লিকেশনগুলোকে সমর্থন করতে সক্ষম।
শাইপ আমাদের পোজ এস্টিমেশন মডেলগুলোর প্রয়োজনীয় নির্ভুলতার সাথে কীপয়েন্ট অ্যানোটেশন ব্যাকবোনটি সরবরাহ করেছে। তাদের ৩৬-পয়েন্ট স্কিমা এক্সিকিউশন, অক্লুশন হ্যান্ডলিং এবং ধারাবাহিক দৈনিক থ্রুপুট সরাসরি মডেলের পারফরম্যান্সকে আরও শক্তিশালী করেছে।
— পরিচালক, কম্পিউটার ভিশন ইঞ্জিনিয়ারিং