Aquest projecte avalua l'estat de l'art en estimació monocular 3D de la posició humana en entorns cinematogràfics, amb especial èmfasi en la robustesa dels models davant el truncament, típic d'aquesta disciplina. Es duu a terme una revisió exhaustiva de la literatura acadèmica per identificar els avenços més recents i les metodologies proposades en aquest camp, amb l'objectiu de comprendre els enfocaments que s'han explorat fins ara. Paral·lelament, s'analitzen models recents i consolidats, entrenats amb dades que inclouen diversos graus de truncament, per avaluar la seva precisió en estimar postures en 3D a partir d'informació parcial. L'estudi proporciona una anàlisi detallada dels punts forts i les limitacions d'aquests models, utilitzant conjunts de dades truncades artificialment i clips de pel·lícules reals. Els resultats contribueixen a una millor comprensió de les dificultats tècniques que aquesta tecnologia afronta en contextos cinematogràfics, identificant àrees de millora i suggerint futures línies d'investigació per optimitzar la gestió del truncament i millorar l'eficiència computacional dels models.

Este proyecto evalúa el estado del arte en estimación monocular 3D de la posición humana en entornos cinematográficos, centrándose en la robustez ante al truncamiento, cuando partes del cuerpo quedan fuera del encuadre debido a técnicas cinematográficas. Se realiza una revisión exhaustiva de la literatura académica para identificar los avances más recientes y las metodologías propuestas en este campo, con el objetivo de comprender los enfoques explorados hasta ahora. Paralelamente, se analizan modelos recientes y consolidados, entrenados con datos que presentan distintos grados de truncamiento, para evaluar su precisión en la estimación de posturas en 3D a partir de observaciones parciales. El estudio proporciona un análisis detallado de los puntos fuertes y las limitaciones de estos modelos, utilizando conjuntos de datos truncados artificialmente y clips de películas reales. Los resultados contribuyen a una mejor comprensión de los retos técnicos que enfrenta esta tecnología en contextos cinematográficos, identificando áreas de mejora y sugiriendo futuras líneas de investigación para optimizar la gestión del truncamiento y mejorar la eficiencia computacional de los modelos.

This project evaluates the state of the art in monocular 3D human pose estimation within cinematic environments, focusing on robustness to truncation, when parts of the human body fall outside the camera frame due to standard filmmaking techniques. A comprehensive review of the academic literature is conducted to identify the most recent advancements and proposed methodologies in this field in order to understand the methodologies that have been explored so far. In parallel, recent and well-established models trained on data with varying degrees of truncation are analyzed to assess their accuracy in estimating 3D poses from partial observations. The study provides a detailed analysis of the strengths and limitations of these models using artificially truncated datasets and real film clips. The results contribute to a better understanding of the technical challenges faced by this technology in cinematic contexts, identifying areas for improvement and suggesting future research directions to optimize truncation handling and improve the computational efficiency of the models.