Surf e inteligencia artificial, una nueva perspectiva
Un experimento que combina surfing, bodyboarding y visión computacional para analizar tus sesiones.
Modelos en el mundo real
En el artículo anterior exploramos algunos de los modelos que hoy permiten construir múltiples sistemas de visión computacional capaces de detectar, segmentar y seguir objetos en videos. Si te lo perdiste y estás interesado en la tecnología que le da vida a este proyecto, no dudes en leerlo.
Pero en el día a día los modelos no son el objetivo, sino lo que habilitan.
El verdadero reto nace cuando vamos más allá de los benchmarks y nos enfrentamos a nuevos contextos, donde las condiciones son mucho más complejas y menos controladas.
Surfing y bodyboarding son deportes profundamente visuales. Gran parte del análisis del rendimiento ocurre revisando videos de sesiones: trayectorias en la ola, selección de secciones, timing o ejecución de maniobras. Sin embargo, ese análisis sigue siendo principalmente manual.
Este proyecto parte de una pregunta simple: ¿qué ocurre cuando aplicamos visión computacional a este tipo de escenas?
En el video vemos a John John Florence (increíble surfer) en uno de los videos que analizaremos. Este tipo de material es el punto de partida del experimento. Más adelante veremos cómo transformamos un video de este estilo utilizando visión computacional.
El surf todavía carece de analítica real
En muchos deportes el análisis del rendimiento ya forma parte del entrenamiento diario. En fútbol se analizan mapas de calor y trayectorias de jugadores. En ciclismo se miden potencia, cadencia y eficiencia. Incluso en running cada sesión puede descomponerse en métricas detalladas.
Sin embargo, surfing y bodyboarding siguen dependiendo en gran medida de la observación directa y la revisión manual de videos. Atletas, entrenadores y aficionados revisan sesiones para entender decisiones como la selección de olas, la línea tomada en la pared o el timing de una maniobra.
Ese proceso funciona, pero tiene limitaciones claras. El análisis suele ser subjetivo, es difícil comparar sesiones a lo largo del tiempo y gran parte de la información presente en el video simplemente no se cuantifica.
Esto crea una brecha interesante.
Existe una enorme cantidad de videos de surf y bodyboard, pero todavía hay muy pocas herramientas que permitan transformarlo en datos para analizar el rendimiento de forma sistemática.
Ahí es donde este experimento en visión computacional empieza a ser relevante.
Caso de uso: Surfing
A partir de un video es posible comenzar a detectar y seguir a los riders a lo largo de una ola. Esto permite reconstruir trayectorias, analizar la duración del rider en la ola y observar cómo se mueve a lo largo de ella.
Aunque este es solo un primer experimento, incluso este nivel básico de análisis ya permite empezar a extraer información interesante de una sesión. Por ejemplo, cómo cambia la línea tomada en distintas olas o cuánto tiempo permanece un rider en la pared antes de salir de la sección.
En el video anterior vimos un ejemplo con John John Florence. El sistema detecta al surfista y lo sigue a lo largo de la ola, generando una representación simple pero útil de su trayectoria.
Este tipo de información puede ser el primer paso hacia herramientas que permitan analizar sesiones de surf de manera más sistemática.
Caso de uso: Bodyboarding
Aunque comparte el mismo entorno que el surf, la dinámica del movimiento es distinta. La postura del atleta, la forma en que se interactúa con la ola y el tipo de maniobras cambian considerablemente. Esto hace que el bodyboarding sea un buen segundo caso para probar la robustez del sistema.
En este ejemplo analizamos una sesión de Pierre Louis Costes, uno de los bodyboarders más reconocidos del circuito profesional.
Al igual que en el caso anterior, el sistema detecta al atleta y lo sigue a lo largo de la ola. A partir de esa información es posible reconstruir trayectorias dentro de la sección, observar cómo se posiciona en la pared de la ola y analizar la duración de cada ride.
El mismo enfoque de visión computacional puede extenderse a distintos deportes acuaticos sin necesidad de rediseñar completamente el sistema.
Conclusión
Surfing y bodyboarding generan enormes cantidades de video, pero todavía existen pocas herramientas que permitan analizar ese material de forma sistemática. Esto abre una oportunidad interesante para explorar cómo la visión computacional puede transformar esas sesiones en datos y nuevas formas de analizar el rendimiento.
Este proyecto es un primer experimento en esa dirección. Incluso en esta etapa inicial ya es posible empezar a observar patrones, trayectorias y decisiones dentro de una ola desde una perspectiva distinta.
Si este experimento te resulta interesante o tienes ideas sobre cómo expandir el sistema, te invito a dejar tus comentarios. Y si te interesa explorar aplicaciones más allá de estos deportes o colaborar en el desarrollo del proyecto, no dudes en escribirme.