Modélisation et perception de synchronisations multi-échelles dans le cadre de la pratique sportive et musicale en groupe

Perception of multi-scale synchronization during movement and music

• Auteur / Autrice : Hamza Bayd
• Direction : Pierre Slangen, Benoît Bardy
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : IMT Mines Alès
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : EuroMov Digital Health in Motion
• Partenaire(s) de recherche : Equipe de recherche : I3A - Informatique, image, intelligence artificielle

Mots clés

Mots clés libres

Estimation de pose humain

Synthèse sonore

Synchronisations multi-échelles

Modélisation 3D

Sciences cognitives

Estimated human pose

Sound synthesis

Multi-scale synchronization

3D modelling

Cognitive science

Résumé

Dans cette thèse, nous proposons d'analyser les modèles de synchronisation multi-échelle entre les mouvements individuels, les mouvements de groupe et les rythmes musicaux. Nous produirons des données à partir de la capture de mouvements d'individus et de groupes en laboratoire ainsi que dans des environnements plus naturels, et de la synthèse sonore de contenus rythmiques multi-échelles. Ces données seront analysées à l'aide de différentes approches de l'intelligence artificielle, notamment les réseaux neuronaux et les modèles graphiques probabilistes. Des expériences seront également menées sur la perception de la synchronisation via la représentation et/ou la sonification des résultats de ces analyses, dans le but de développer des briques informatiques facilitant l'évaluation humaine de la synchronisation. Ces outils pourraient faciliter la tâche de l'entraîneur lors de la pratique de sport en ligne, en améliorant la synchronisation de groupe par exemple, et en permettant une identification rapide des personnes en difficulté afin de proposer des solutions de soutien à des personnes en difficulté pour donner un accompagnement individualisé. Appliqués les données de capture de mouvement, ils pourraient également être utilisés dans un cadre médical pour illustrer la perte de stabilité dans les polyrythmes de mouvement ou la maladie de Parkinson.

In this thesis, we propose to analyze multi-scale synchronization patterns between individual movements, group movements, and musical rhythms. We will produce data from motion capture of individuals and groups in the laboratory as well as in more natural settings, and sound synthesis of multi-scale rhythmic content. This data will be analyzed using different approaches from Artificial Intelligence, including neural networks and probabilistic graphical models. Experiments will also be carried out on the perception of synchronization via the representation and / or sonication of the results of these analyzes, with the aim of developing computer bricks facilitating human evaluation of synchronization. These tools could facilitate the task of the coach when practicing online sport, by enhancing group synchronization for instance, and by allowing rapid identification of people in difficulty in order to offer individualized coaching. Applied to motion capture data, they could also be used in a medical setting to illustrate stability loss in movement polyrhythms or Parkinson's disease.