L’IA des poses de yoga dépasse 93 % de précision

Une image représentant une pose de yoga peut traverser le système de l’équipe de l’Université de East London en environ 16 à 17 millisecondes par batch dans les conditions de test. Son modèle le plus performant, Hierarchical CoAtNet 1, a identifié les poses avec une précision supérieure à 93 %, selon l’étude publiée dans Scientific Reports.

Le modèle n’apprend pas chaque pose comme une catégorie totalement indépendante. Il reconnaît d’abord les grandes familles de poses, puis apprend les variations précises qui les composent — une structure qui reflète la manière dont les humains organisent les mouvements apparentés. Lors de l’inférence en flux, le système a atteint environ 65 à 70 images par seconde, une vitesse que les chercheurs associent à un retour en temps réel.

Ces travaux ont été cosignés par des chercheurs de l’UEL, de Nirma University, d’Imperial College London et de Doctor On Click. Dr. Laura Vanderbloemen, maîtresse de conférences à l’UEL et coauteure de l’étude, a déclaré que cette approche pourrait aider les personnes ayant un accès limité aux cours en présentiel en raison de leur lieu de résidence, de problèmes de mobilité ou du coût de ces cours.

Qu’est-ce que cela change en pratique ? Une future plateforme numérique de rééducation ou de coaching pourrait surveiller la posture et les mouvements et fournir des conseils immédiats. Les chercheurs suggèrent également que les professionnels pourraient utiliser ce type de suivi pour comprendre la qualité de la posture et les schémas de mouvement, puis personnaliser l’accompagnement. Pour l’instant, il s’agit d’applications potentielles : le résultat présenté est celui d’une étude menée dans des conditions de test, et non la preuve qu’un système clinique est déjà en service.