Posenschätzung
Eine Computer-Vision-Technologie, die die Position von menschlichen Gelenken und markanten Körperstellen in Bildern oder Videos erkennt.
Was ist Posenschätzung?
Posenschätzung (Pose Estimation) ist eine Computer-Vision-Technik, die die Position menschlicher Körpergelenke (Schultern, Ellbogen, Handgelenke, Hüften, Knie, Knöchel) in einem Bild oder Videostream identifiziert. Das Ergebnis ist eine Reihe von Koordinaten, die normalerweise zu einem Skelett verbunden werden, das die Körperhaltung der Person beschreibt.
In Try-on-Systemen beantwortet die Posenschätzung die Frage: Wie ist dieser Körper positioniert? Diese Antwort bestimmt, wo ein Kleidungsstück sitzt, in welchem Winkel und in welcher Größe.

Wie es funktioniert
- Personenerkennung: Die menschliche Person im Bildausschnitt lokalisieren.
- Vorhersage der Schlüsselpunkte: Ein neuronales Netzwerk sagt die Koordinaten von 17 bis 33 Körpergelenken voraus.
- Skelettaufbau: Die Punkte werden zu einer Struktur verbunden, die Körperhaltung und Gliedmaßenwinkel verfolgt.
- Zeitliche Glättung (nur bei Video): Die Vorhersagen werden über mehrere Frames hinweg geglättet, um ein Ruckeln zu verringern.
Die Rolle bei der virtuellen Anprobe
- Bildbasierte Anprobe: Die Posenschätzung eines einzelnen Fotos steuert die Kleidungsübertragung, sodass die Ärmel den Armen folgen und der Saum auf der richtigen Höhe fällt.
- Live-AR-Anprobe: Die framegenaue Posenschätzung verankert 3D-Produkte (Schuhe, Uhren) am sich bewegenden Körper.
- Körpervermessung: Die Gelenkpositionen helfen dabei, Proportionen für 3D-Körpermodelle und Größenempfehlungen zu berechnen.
Eine ungenaue Posenschätzung führt zu fehlerhaften Ergebnissen: ein Kleid, das im falschen Winkel fällt, oder Schuhe, die nicht richtig an den Füßen sitzen.
FAQ
Deine Fragen, beantwortet.
Ist Posenschätzung das Gleiche wie Körperscanning?↓
Nein. Die Posenschätzung erkennt Gelenkpositionen in 2D (oder 2.5D) anhand normaler Bilder. Beim Körperscanning wird ein vollständiges 3D-Netz der Körperoberfläche erstellt, was spezielle Hardware oder Aufnahmen aus mehreren Blickwinkeln erfordert.


