SAM4Dcap：基于单目视频的无训练生物力学同胞系统
计算机视觉与模式识别
2026-02-17 v1
摘要
定量生物力学分析是临床诊断和伤害预防的关键，但常受制于高成本的光学运动捕捉系统。虽然多视角视频方法降低了门槛，但在需要单目捕捉的家庭场景中仍不实用。本文提出SAM4Dcap，一个无需额外训练的单目视频生物力学指标估计框架。SAM4Dcap 将时序一致的4D人体网格恢复（SAM-Body4D）集成到OpenSim生物力学求解器中。该管道将重建的网格转换为与多种肌肉骨骼模型兼容的轨迹文件。我们引入自动化提示策略和 Linux 原生构建。初步评估表明，SAM4Dcap在行走和跌落跳跃任务中，可能实现与多视角系统相当的膝关节运动学预测效果，尽管髋屈肌和残余抖动存在一些差异。通过将先进计算机视觉与 established 生物力学仿真相结合，SAM4Dcap为非实验室运动分析提供了灵活、可接入的基础。
引用
@article{arxiv.2602.13760,
title = {SAM4Dcap: Training-free Biomechanical Twin System from Monocular Video},
author = {Li Wang and HaoYu Wang and Xi Chen and ZeKun Jiang and Kang Li and Jian Li},
journal= {arXiv preprint arXiv:2602.13760},
year = {2026}
}