## 測試說明

這次的測試主要是評估PoseFormerV2在「三維姿態估測」方面的能力。延續上個題目所實作的伏地挺身計數器，這次另找了幾個從不同角度進行拍攝的伏地挺身示範影片，來對它們在PoseFormerV2的輸出結果進行分析（以gif檔表示）。

## 輸出結果

### 1. 正面視角


#### 分析

以正面視角進行拍攝時，人物的下半身會頻繁地被軀幹遮住，而在輸出結果中，可以看到PoseFormerV2並不能很好地繪製出腰部以下的身體姿態（不自然的膝部彎曲），而且後半還有出現「手臂合併」的錯誤辨識（或許是動作變化太快所致），這兩點可以說是有待克服的問題。

### 2. 側面視角


#### 分析

在側面視角中，人物僅有右側軀體被遮蔽，繪製出的三維身體姿態與實際影像十分相近，說明了PoseFormerV2在輕微遮蔽的情況下仍能預判身體姿態的可能位置。而對於伏地挺身計數器來說，這一點可以幫助計數器精進為「雙邊動作評估」——同時對左右兩側的軀體進行動作估測，藉以更準確地進行計數和動作提示。

### 3. 介於 1 和 2 之間的視角


#### 分析

此外，在介於正面和側面的視角中，PoseFormerV2所描繪出的三維身體姿態品質也介於兩者之間。其膝部的彎曲角度雖仍有些過於放大，但並不如正面視角那般辨識失敗，仍有一定的可信度。

### 4. 多人出現的正面視角


#### 分析

在多人出現的影像中，PoseFormerV2僅會取其中一人進行估測。而在這次的正面視角中，人物的下半身雖仍會頻繁地被遮住，但其膝部的landmarks一直都處於可見狀態，這也使得PoseFormerV2繪製的三維姿態，在膝部以上相當準確，只有小腿的部分會異常擺動。由此可以推測，PoseFormerV2相當依賴landmarks進行姿態繪製，這點相較MediaPipe或OpenPose的預判能力遜色了點。

### 5. 總結

在預判能力方面，PoseFormerV2的能力並沒有比MediaPipe或OpenPose來得突出，但PoseFormerV2的三維姿態估測能力，使它能夠進行更精準的全身估測。在預判能力的缺陷，或許有賴於拍攝時不斷的移動視角，獲取更多資訊以建立姿態；又或者能將其與MediaPipe或OpenPose結合，似乎也不失為一個解決方法。

## 心得

這次的題目推廣了姿態估測器的應用層面，並提供了精進上個項目（伏地挺身計數器）的途徑。不過除了伏地挺身以外，我想三維姿態估測器更可以在虛擬實境、演員動作捕捉、機器人操控中得到更多發展。畢竟有了空間概念後，估測器便能更準確的分析人物的動作、與環境的互動，這方面的發展相當值得期待。