一种具备自动评估功能的高效沉浸式嘻哈舞蹈自主训练系统

舞蹈作为一种重要的身体表达形式，其技能提升尤其是表现力的提高需要持续训练。然而，此类训练往往受到时间和空间的限制。此外，舞蹈表演的评估往往具有主观性，因此亟需开发有效的训练方法与客观的评价技术。在本研究中，我们提出了一种基于虚拟现实技术的舞蹈自主训练系统，该系统能够构建沉浸式训练环境，帮助练习者全面理解三维舞蹈动作。该系统还采用了无标记动作捕捉技术，可实时精准记录舞者的动作并将其同步至虚拟形象上。借助深度学习技术，系统能够从多个视角对舞蹈表演进行评估，并向用户反馈结果以辅助其反复练习。为了支撑基于深度学习的舞蹈评估功能，我们构建了一个包含初学者舞蹈数据及相应专家评价的数据集。该数据集是在舞蹈工作室环境中，通过四台摄像机录制舞蹈内容而精心整理的，专家评价则从多个视角给出以确保评估的全面性。本研究还提出了三种独特的自动评估模型。通过对这些模型的对比分析发现，以对比学习（及自编码器）为基础的表现力学习模型以及以专业舞者表演为参照的参考引导模型当中，后者表现出更高的评估精度。相较于专业教练给出的评分，所提方法在10分制评分体系中对舞蹈表演评分的预测误差约为±1分。本研究结果为未来舞蹈训练与评估系统的发展开辟了新途径。

本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。