導入
生成AIがここまで進化すると、
「もうアプリケーションぐらい簡単に作れるのでは？」
と思うことが増えてきた。
実際、ChatGPTのような生成AIを使えば、
コードを書いた経験がそこまで多くなくても、
ある程度のアプリケーションは形になってしまう。
そこで今回は、
昔やっていた野球を題材に、
AIを使ったスイング解析を作れないか挑戦してみることにした。
しかし実際にやってみると、
想像以上に「現実の壁」が多かった。
AIでスイング解析はどこまでできるのか？
今回やりたかったことはシンプルだ。
動画から選手の動きを解析し、
- 身体の動き
- バットの軌道
- 回転
- タイミング
- スイング速度
などを可視化したい。
最近はスマホアプリでもフォーム解析ができる時代になっている。
そのため最初は、
「生成AIを使えば個人でも意外と簡単に作れるのでは？」
と考えていた。
人体の骨格検出までは驚くほど簡単だった
実際に最初に試したのは、
AIによる人体の骨格検出だ。
今回は「MediaPipe」という仕組みを使用した。
これがかなりすごい。
動画を読み込むだけで、
- 肩
- 肘
- 手首
- 腰
- 膝
などの位置を自動で認識してくれる。
しかもリアルタイムに近い速度で動く。
正直、
ここまではかなり順調だった。
画面上に骨格が表示された瞬間、
「もう完成したのでは？」
とすら思った。
生成AIにコードを相談しながら進めると、
昔より圧倒的に開発スピードが速い。
実際、
ここまではかなり短時間で動作した。
しかし問題は“バット”だった
ここから急に難易度が跳ね上がった。
人体はAIが非常に得意としている。
大量の学習データが存在し、
骨格推定もかなり成熟しているからだ。
しかしバットは違う。
バットは、
- 細い
- 高速で動く
- ブレる
- 人体と重なる
- 背景と混ざる
- フレームから消える
という、
画像認識的にはかなり厄介な存在だった。
特にインパクト付近では、
バットが高速で移動するため、
映像によっては形すら崩れる。
人間の目では「バット」と認識できても、
AI側から見るとただのブレた線に近い。
「AIなら簡単」は半分正しく、半分違った
今回かなり感じたのは、
生成AIによって開発のハードルは確実に下がっているということだ。
昔なら、
- ライブラリ調査
- サンプルコード探し
- エラー解析
だけでかなり時間がかかっていた。
しかし今は、
生成AIに相談しながら進めることで、
試作レベルまではかなり早く到達できる。
ただ、
実際に「現実世界」を扱い始めると難しさが一気に増える。
- カメラ性能
- FPS
- シャッター速度
- モーションブラー
- 照明
- 検出精度
など、
机上だけでは解決できない問題が大量に出てくる。
ここがかなり面白い部分でもあった。
次はバット検出に挑戦する
現在は、
バットをAIで検出する方法を試行錯誤している。
「YOLO」という物体検出AIを使いながら、
- バットだけを学習させる
- 軌道を追う
- 先端速度を測る
といった方向で進めている。
ただ、
これも簡単ではない。
バットが身体として誤認識されたり、
逆に消えたりすることもある。
それでも、
少しずつ形になっていく感覚はかなり面白い。
まとめ
生成AIの進化によって、
個人でもスポーツ解析に挑戦できる時代になってきた。
実際、
人体の骨格検出までは驚くほど簡単に実現できる。
しかし、
本当に難しいのはその先だった。
現実の映像を扱い始めると、
- カメラ
- 光
- ブレ
- 速度
- 検出精度
など、
さまざまな問題が一気に現れる。
それでも、
「AIでスポーツを科学する」というテーマには、
かなり大きな可能性を感じている。
次は、
最大の難関である「バット検出」に挑戦していきたい。
コメント