По информации от Kaspersky Daily, учёные заявили о том, что научились определять расположение и позы людей внутри помещений при помощи Wi-Fi сигнала. Для этого они применяли стандартные домашние маршрутизаторы и технологии машинного обучения.
Благодаря DensePose становится возможным корректно определять позы человеческого тела на фотоснимках и даже создавать UV-развёртки их поверхностей.
Программа DensePose ищет на изображениях предметы, которые идентифицируются как человеческие фигуры. Затем эти объекты делятся на отдельные сегменты, которые соотносятся с теми или иными участками тела — каждый из них обрабатывается отдельно. Этот метод применяется потому, что различные части тела перемещаются совершенно по-разному: к примеру, голова и туловище ведут себя совсем не так, как руки и ноги.
Система без труда справляется с необычными вариантами расположения тела в пространстве. Например, нейросетевая модель правильно определяет людей на велосипедах, мотоциклах и верхом на лошадях, а также верно интерпретирует позы бейсболистов.
Не следует торопиться с заголовками вроде «Учёные научились видеть сквозь стены при помощи Wi-Fi». Дело в том, что «зрение» — это довольно абстрактный термин — программа не столько «видит» тело человека, сколько может с определённой долей вероятности предсказать его положение в пространстве и позу на основании косвенных сведений.
Программа существенно уступает по точности исходному методу определения поз на фотографиях, а также довольно часто допускает ошибки.
Конфигурация испытательного стенда в ходе эксперимента была максимально удобной: простая геометрия, прямая видимость между источником и приёмником, отсутствие серьёзных помех на пути радиосигнала — учёные создали идеальные условия для «просвечивания» сцены радиоволнами. Однако в реальной жизни создать такую удачную конфигурацию, скорее всего, не удастся.
Читать подробнее: https://www.kaspersky.ru/blog/dense-pose-recognition-from-wi-fi-signal/37400/
Благодаря DensePose становится возможным корректно определять позы человеческого тела на фотоснимках и даже создавать UV-развёртки их поверхностей.
Программа DensePose ищет на изображениях предметы, которые идентифицируются как человеческие фигуры. Затем эти объекты делятся на отдельные сегменты, которые соотносятся с теми или иными участками тела — каждый из них обрабатывается отдельно. Этот метод применяется потому, что различные части тела перемещаются совершенно по-разному: к примеру, голова и туловище ведут себя совсем не так, как руки и ноги.
Система без труда справляется с необычными вариантами расположения тела в пространстве. Например, нейросетевая модель правильно определяет людей на велосипедах, мотоциклах и верхом на лошадях, а также верно интерпретирует позы бейсболистов.
Не следует торопиться с заголовками вроде «Учёные научились видеть сквозь стены при помощи Wi-Fi». Дело в том, что «зрение» — это довольно абстрактный термин — программа не столько «видит» тело человека, сколько может с определённой долей вероятности предсказать его положение в пространстве и позу на основании косвенных сведений.
Программа существенно уступает по точности исходному методу определения поз на фотографиях, а также довольно часто допускает ошибки.
Конфигурация испытательного стенда в ходе эксперимента была максимально удобной: простая геометрия, прямая видимость между источником и приёмником, отсутствие серьёзных помех на пути радиосигнала — учёные создали идеальные условия для «просвечивания» сцены радиоволнами. Однако в реальной жизни создать такую удачную конфигурацию, скорее всего, не удастся.
Читать подробнее: https://www.kaspersky.ru/blog/dense-pose-recognition-from-wi-fi-signal/37400/
