![\"\"](\"https:\/\/inlab.fib.upc.edu\/wp-content\/uploads\/2024\/01\/vr1.jpg\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/inlab.fib.upc.edu\/wp-content\/uploads\/2024\/01\/vr2.jpg\")
<\/figure>\nPara que el proceso funcione, se necesita que el avatar se mueva como la paciente, pero de la forma que se hace este proceso hoy en d\u00eda, resulta poco fidedigno. Hasta ahora, se usaban 5 puntos de seguimiento (la cabeza, las manos y los pies), y se infer\u00edan el resto (como los codos o las rodillas). Esta inferencia, pero, no era del todo exacta. Por lo tanto, como primer objetivo del TFG, se desarroll\u00f3 un m\u00f3dulo para un mejor seguimiento.<\/p>\n\n
Este primer m\u00f3dulo es un sistema de seguimiento del cuerpo entero (\u00abFull Body Tracking\u00bb) que hace uso de una \u00fanica c\u00e1mara para hacer este seguimiento. Mediante un modelo de aprendizaje autom\u00e1tico de Mediapipe como base, y a partir de la creaci\u00f3n de un modelo para corregir los resultados, se acab\u00f3 obteniendo un sistema en Python capaz de detectar aquellos puntos que el sistema original no detectaba. Hay que mencionar que para calibrar este modelo de correcci\u00f3n se tuvo que generar un conjunto de datos sint\u00e9ticos empleando Unreal Engine 5, dada la imposibilidad de encontrar datos \u00abground truth\u00bb que se ajustaran al modelo que se necesitaba.<\/p>\n\n
Una vez conseguido este sistema, se integr\u00f3 con Unity a la plataforma del sistema original. El resultado lo pod\u00e9is ver en este video<\/a>.<\/strong><\/p>\n\n Desgraciadamente, contin\u00faan existiendo varias dificultades, sobre todo en cuanto a la oclusi\u00f3n, puesto que el sistema no es capaz de ver las partes escondidas detr\u00e1s. Aun as\u00ed, uniendo la informaci\u00f3n del m\u00f3dulo de Python con la informaci\u00f3n de seguimiento de RV, que solo hace seguimiento de las manos y de la cabeza, y no de los pies, se obtiene un sistema que predice mejor aquellos puntos de los que no se tiene informaci\u00f3n.<\/p>\n\n Seguidamente, una vez esto estaba hecho, se decidi\u00f3 como segundo objetivo crear un sistema de realidad aumentada (RA) con la misma finalidad que el de RV. Como la literatura de tratamientos de anorexia con RA es escasa, pareci\u00f3 buena idea hacer una propuesta de soluci\u00f3n en esta \u00e1rea. La idea era entonces conseguir un sistema de RA que tuviera el mismo efecto que el ya mencionado, pero sin la necesidad de usar todo su hardware.<\/p>\n\n Por lo tanto, por este segundo objetivo se quer\u00eda crear un espejo que mostrara el mundo real, pero donde la paciente se viera reflejada con un aumento de peso. Despu\u00e9s de unos intentos fallidos donde se intentaba engordar directamente la imagen de la persona, se opt\u00f3 para emplear el mismo avatar que en RV, pero bas\u00e1ndose en la escena entera del espejo. Se acab\u00f3 desarrollando un sistema donde se muestra el fondo como si fuera un espejo, pero donde se borra a la persona a quien se hace el seguimiento, y se la sustituye por el avatar. Para hacer el seguimiento de esta persona, se utiliza el sistema desarrollado en el primer objetivo. Pod\u00e9is ver el resultado en el siguiente video<\/a>.<\/p>\n\n