On reconnaît un mouvement à la pose, pas à la trajectoire express
Des scientifiques ont pris 16 activités quotidiennes — de la vaisselle aux squats — et ont décomposé les mouvements en composantes élémentaires, un peu comme un spectroscope décompose la lumière en spectre. En comparant trois approches, ils ont trouvé une clé inattendue pour la reconnaissance : une simple pose moyenne suffit. Seules neuf articulations sur des dizaines portaient l'information décisive — les autres n'avaient presque aucun effet.
Paradoxalement, la pose statique, à l'image de la luminosité globale d'une étoile en photométrie, s'est révélée plus importante que la dynamique. Le cerveau identifie l'action instantanément, sans scruter le processus. Mais pour la reproduire, il faut une image complète dans le temps : une méthode a restitué une démarche naturelle, l'autre n'a produit qu'une statue figée.
Ce principe de séparation est à la base du modèle standard des tests cliniques rapides : une seule photo peut signaler des troubles, tandis que la rééducation exigera un enregistrement vidéo détaillé. Ainsi, le cerveau économise ses ressources, et la médecine gagne un outil diagnostique simple.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2607.13216
Humans recognize movements effortlessly, even from noisy and complex visual input. But what information in the stimulus allows humans to rapidly classify movements? No framework has systematically compared different strategies of movement analysis to address this question. Here, we used videos of 16 daily activities from the MoVi dataset and compared three strategies: Temporal Movement Primitives (TMPs), which decompose movements into weighted sums of temporally smooth basis functions; Legendre polynomial coefficients, which project joint-coordinate trajectories onto an orthogonal polynomial basis; and Autoencoder latent embeddings. Legendre coefficients and TMPs achieved the highest classifier accuracy, followed by autoencoders. We found two discriminative features for movement classification. The most informative is the general posture of the body, the average spatial configuration that distinguishes one activity from another. Additionally, we identified 9 critical joints that are most predictive for movement classification. Interestingly, good classification accuracy did not automatically lead to good movement generation: when we reconstructed movements for each activity, TMPs preserved the temporal dynamics and produced perceptually natural motion, whereas reconstructions from Legendre coefficients retained only the average posture and appeared frozen. These results reveal a dissociation in how movement information is organized: the static configuration of the body suffices to classify what activity is performed, but the temporal dynamics of movement are required to reconstruct how it unfolds. This distinction clarifies which features the visual system may rely upon for rapid action recognition, and suggests that postural features could enable efficient movement screening in clinical applications, while dynamic information remain essential wherever movement generation is the goal.
Parmi toutes les articulations du corps, seules neuf se sont révélées décisives pour reconnaître n'importe quel mouvement.