야구 투수의 오버헤드 던지기 동작의 생체역학적 분석을 위한 신경 렌더링 기반 마커리스 모션 캡처 시스템 개발 및 마커 기반 모션 캡처 시스템과의 정확도 비교 = Development of a Neural Rendering Based Markerless Motion Capture System and Comparison of Accuracy with a Marker-Based Motion Capture System for Biomechanical Analysis of the Overhead Throwing Task in Baseball Pitchers

다국어 초록 (Multilingual Abstract)

The purpose of this study was to develop a markerless motion capture system integrating seven consumer-grade smartphones and 3D Gaussian Splatting （3DGS）-based neural rendering, and to evaluate its measurement validity against a Vicon marker-based motion capture system during the overhead throwing task in baseball pitchers. Thirteen male collegiate baseball pitchers participated in the study, and each participant threw 10 maximum-effort fastballs in the overhead throwing task. A total of 130 paired pitching trials were analyzed from stride foot contact （SFC） to ball release （BR）.
The proposed markerless pipeline consisted of synchronized seven-view iPhone 13 Pro videos, VGGT （Visual Geometry Grounded Transformer）-based relative camera geometry estimation, SAM 3D Body-based Momentum Human Rig （MHR） initialization, MHR-anchored 3DGS optimization, virtual marker extraction, and joint coordinate system reconstruction. Eight key kinematic variables were analyzed: lead knee flexion, trunk forward tilt, trunk lateral tilt, trunk axial rotation, shoulder abduction, shoulder horizontal abduction, shoulder rotation, and elbow flexion. Agreement between the markerless and Vicon systems was evaluated using the coefficient of multiple correlation （CMC）, intraclass correlation coefficient （ICC）, root mean square error （RMSE）, bias, and Bland-Altman 95% limits of agreement （LOA）.
The CMC values for the eight variables ranged from 0.855 to 0.987, with a mean CMC of 0.925, indicating that the proposed system captured time-normalized pitching waveform patterns that were broadly similar to those obtained from Vicon. The mean subject-level ICC was 0.900, indicating excellent agreement for repeated subject-level measurements. However, RMSE values ranged from 7.0° to 23.1°, with all variables exceeding the pre-specified internal technical criterion of 3°. Bias ranged from −7.9° to +10.0°. In the Bland-Altman analysis, only elbow flexion satisfied the ±10° LOA criterion, whereas the remaining variables exceeded the criterion on at least one side of the LOA.
These findings suggest that the 3DGS-based markerless system is useful for tracking pitching waveform trends and repeated movement patterns, but it is not yet suitable as a direct replacement for Vicon when absolute joint angle interpretation at the individual pitch level is required. In particular, shoulder rotation showed high waveform similarity but large RMSE and bias, indicating that further refinement of virtual marker definitions and humeral coordinate system construction is needed. This study demonstrates the potential of combining consumer-grade smartphones with neural rendering-based surface fitting as an accessible supplementary tool for group-level waveform analysis and longitudinal monitoring of pitching mechanics.

국문 초록 (Abstract)

본 연구의 목적은 소비자용 스마트폰 7대와 3D 가우시안 스플래팅 （3D Gaussian Splatting, 3DGS） 기반 신경 렌더링을 통합한 마커리스 모션 캡처 시스템을 개발하고, 야구 투수의 오버헤드 투구 동작에서 산 출되는 핵심 운동학적 변수를 Vicon 마커 기반 모션 캡처 시스템과 비 교하여 측정 타당도를 검증하는 것이다. 연구 대상자는 남성 대학 야구 투수 13명이었으며, 각 대상자는 최대 노력 오버헤드 직구를 10회 수행 하였다. 총 130회의 투구 자료에 대해 스트라이드 발 접촉（Stride Foot Contact, SFC）부터 공 릴리스（Ball Release, BR）까지의 구간을 분석하 였다. 마커리스 시스템은 iPhone 13 Pro 7대의 동기화된 다중 시점 영상, VGGT 기반 상대 카메라 기하 추정, SAM 3D Body 기반 Momentum Human Rig（MHR） 초기화, MHR 표면 앵커 기반 3DGS 최적화, 가상 마커 및 관절 좌표계 산출 단계로 구성하였다. 분석 변수는 리드 무릎 굴곡, 몸통 전방 기울기, 몸통 측면 기울기, 몸통 축 회전, 어깨 외전, 어 깨 수평 외전, 어깨 회전, 팔꿈치 굴곡의 8개 운동학적 변수였다. 두 시 스템 간 비교는 계수 다중 상관（Coefficient of Multiple Correlation, CMC）, 급내상관계수（Intraclass Correlation Coefficient, ICC）, 평균 제곱근 오차（Root Mean Square Error, RMSE）, bias, Bland-Altman 95% 일치 한계（Limits of Agreement, LOA）를 이용하여 수행하였다. 분석 결과 8개 변수의 CMC는 0.855 – 0.987 범위였으며 전체 평균 CMC는 0.925로 나타나, 본 시스템이 SFC-BR 구간의 시간-동작 파 형을 Vicon과 유사하게 추적할 수 있음을 확인하였다. 대상자 수준 ICC 평균은 0.900으로 우수 수준이었다. 반면 RMSE는 7.0°- 23.1°범위 로 모든 변수가 사전 기술 기준인 3°를 초과하였고, bias는 −7.9°– +10.0° 범위로 나타났다. Bland-Altman 분석에서는 팔꿈치 굴곡만 ±10°LOA 기준을 충족하였으며, 나머지 변수는 적어도 한쪽 LOA가 기준 범위를 초과하였다. 이상의 결과는 소비자용 스마트폰과 신경 렌더링 기반 표면 정합을 결합 한 본 시스템이 투구 동작의 시간-동작 파형（평균 CMC 0.925）과 반복 측 정 패턴을 Vicon 기준과 높은 수준으로 추적할 수 있음을 보여준다. 절대 관절각도（RMSE） 수준에서는 변수별 차이가 존재하였으며 특히 상완 장축 회전 변수에서 오차가 컸는데, 본 연구는 이 차이가 신경 렌더링 품질이 아 니라 가상 마커 및 관절 좌표계 정의에서 비롯됨을 함께 규명하였다. 따라 서 본 연구는 전용 장비 없이 현장에서 투구 생체역학 파형을 비교 가능한 수준으로 수집하는 접근의 타당도를 제시하고, 향후 정확도 향상의 핵심 과 제가 해부학적 관절 좌표계 정의의 개선임을 명확히 한 데 의의가 있다.

목차 (Table of Contents)

• Ⅰ. 서 론 1
• 1. 연구의 필요성 1
• 2. 연구의 목적 7
• 3. 연구의 가설 7
• 4. 연구의 제한점 8
• Ⅱ. 연구 방법 11
• 1. 연구 대상자 11
• 2. 연구 절차 12
• 3. 측정 방법 및 실험 환경 14
• 4. 투구 이벤트 및 분석 구간 정의 25
• 5. 3DGS 기반 마커리스 동작 분석 파이프라인 26
• 6. 통계 분석 49
• Ⅲ. 결 과 52
• 1. 연구 대상자 특성 52
• 2. 시간-동작 파형 일치도(CMC) 53
• 3. ICC, RMSE 및 bias 56
• 4. Vicon 기준 주요 투구 이벤트별 관절각도 57
• 5. Bland-Altman 분석 결과 60
• 6. 단일 시점 대비 다중 시점(7뷰)의 결과 64
• 7. 가설 검증 결과 요약 67
• Ⅳ. 논 의 68
• Ⅴ. 결 론 83
• 참고문헌 85
• 부 록 91
• Abstract 93