Jeudi 27 août 2026

Aube.

Les nouvelles du progrès
Original et traduction

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

Quitter la comparaison

Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.

Original · anglais
Yoga-pose AI model tops 93% accuracy in testing
Traduction · français
L’IA des poses de yoga dépasse 93 % de précision
Original · anglais
Hierarchical CoAtNet 1 recognized yoga poses with more than 93% accuracy during testing.
Traduction · français
Hierarchical CoAtNet 1 a reconnu des poses de yoga avec une précision supérieure à 93 % lors des tests.
Original · anglais
The model grouped poses into families before identifying specific variations.
Traduction · français
Le modèle regroupait les poses par familles avant d’identifier leurs variations précises.
Original · anglais
It processed images in 16 to 17 milliseconds per batch under testing conditions.
Traduction · français
Il traitait les images en 16 à 17 millisecondes par batch dans les conditions de test.
Original · anglais

An image of a yoga pose can move through the University of East London team's system in approximately 16 to 17 milliseconds per batch under testing conditions. Its best-performing model, Hierarchical CoAtNet 1, identified poses with more than 93% accuracy, according to the study published in Scientific Reports.

Traduction · français

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.

Original · anglais

The model does not learn every pose as a completely separate label. It first recognizes broader families of poses, then learns the specific variations within them—a structure that mirrors how people organize related movements. During streaming inference, the system reached around 65 to 70 frames per second, a speed the researchers associate with real-time feedback.

Traduction · français

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.

Original · anglais

The work was co-authored by researchers from UEL, Nirma University, Imperial College London and Doctor On Click. Dr. Laura Vanderbloemen, a senior lecturer at UEL and co-author, said the approach could support people who have limited access to in-person instruction because of location, mobility challenges or cost.

Traduction · français

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.

Original · anglais

So what changes in practice? A future digital rehabilitation or coaching platform could monitor posture and movement and provide immediate guidance. The researchers also suggest that professionals could use such monitoring to understand posture quality and movement patterns and personalize coaching. For now, those are potential applications: the reported result is a study under testing conditions, not evidence that a clinical system is already in service.

Traduction · français

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.

Revenir à l’article