โครงการ digital humanities ใช้ Kinect เก็บโครงกระดูกการเคลื่อนไหวของผู้แสดงกลองยาวเย้า แก้ปัญหาจุดถูกบัง และใช้ 3D CNN จำแนกท่าทาง โดยรายงานความแม่นยำสูงสุด 96.45%
ข้อค้นพบสำคัญ
- ระบบรายงานความแม่นยำจำแนกสูงสุด 96.45% และเสนอ workflow ตั้งแต่การบันทึก การแก้ occlusion ไปจนถึงการสร้างตัวแทนดิจิทัลของท่ารำ
ทำไมจึงมีความสำคัญระดับโลก
เทคนิคอาจช่วยจัดเก็บ วิเคราะห์ และสอนมรดกการแสดงที่มีการเคลื่อนไหวซับซ้อน แต่ทำให้เกิดคำถามสากลเรื่องใครควบคุมข้อมูลวัฒนธรรมและความหมายที่สูญหายเมื่อแปลงเป็นพิกัด
บทบาทของนักวิจัยไทย
นักวิจัยสังกัดมหาวิทยาลัยเกริกร่วมประยุกต์ computer vision กับการศึกษามรดกวัฒนธรรมในบริบทจีน
ข้อจำกัดที่ควรรู้
บทคัดย่อไม่ระบุจำนวนผู้แสดง จำนวนคลิป class balance วิธีแบ่ง train-test baseline หรือ external validation จึงประเมินความเสี่ยง data leakage และการใช้กับผู้แสดงใหม่ไม่ได้ อีกทั้งไม่กล่าวถึง consent สิทธิชุมชน หรือ governance