Análise de RollRecap: abordagens para oclusão em esportes de combate de alta velocidade

Prompt:
- Objetivo: Gerar uma análise técnica e prática sobre como o RollRecap analisa rolagens de Brazilian Jiu-Jitsu e como lidar com o problema de oclusão (membros entrelaçados/ocultos) em visão computacional de ações em alto gesto de velocidade.
- Contexto: RollRecap usa IA para analisar rolagens de BJJ. A oclusão constante e a baixa separação visual entre os corpos tornam a tarefa desafiadora para detecção de ações, rastreamento de pessoas e reconhecimento de movimentos.
- Perguntas-chave a responder:
  1) Precisão: Como o sistema distingue movimentos similares quando o ângulo de câmera é ruim? Quais estratégias de robustez a oclusão poderiam ser aplicadas (p. ex., fusão multi-ângulo, estimativa de pose, reconstrução 3D, aprendizado temporal)?
  2) Tech Stack: Qual é a arquitetura mais plausível (ex.: implementação custom de YOLO para detecção + rastreamento; uso de Temporal Shift Module (TSM) para reconhecimento de ações; ou abordagens alternadas como 3D-CNN/Transformers)? Que evidências de pesquisa embasam essas escolhas?
  3) Lógica de saída: A integração de RAG (Retrieval-Augmented Generation) com sistema de anotações e interfaces humanas é necessária para insights (“Black Belt”)? O sistema é verdadeiramente autônomo ou depende de um loop humano para validação?
- Abordagens de replicação/recriação:
  - Dados: que tipos de dados seriam necessários (vinhetas de vídeo, ângulos variados, marcadores de posição de lutadores, rótulos de ações/posições, condições de oclusão)?
  - Pipeline proposto: detecção de lutadores → rastreamento em vídeo → estimativa de pose → reconhecimento de ações com modelagem temporal → fusão de várias fontes (se houver) → geração de insights interpretáveis.
  - Modelos e componentes: detecção (YOLO/YOLOv8), rastreamento (BYTETrack/KCF), pose (OpenPose/HRNet), reconhecimento temporal (TSN/TSM/3D-CNN/Transformers), agendamento de evidências (RAG), qualidade de dados (anotação, calibração de câmera).
  - Avaliação: métricas para oclusão (mAP com níveis de oclusão, recall/precision em classes de ações, F1), desempenho sob ângulos variados, erro de rastreamento, velocidade de processamento, custo computacional.
  - Experimentos: benchmarks ablation, comparação entre abordagens estáticas vs. temporais, validação com múltiplos ângulos de câmera, análise de sensibilidade à oclusão.
- Entregáveis: um guia replicável com etapas, pseudocódigo ou skeleton de pipeline, sugestões de conjuntos de dados públicos e privados, e critérios de avaliação.
- Considerações: aspectos éticos/legais de uso de vídeo, privacidade, e limitações práticas ao tentar capturar cenas reais de competição.
- Saída esperada: um resumo técnico, uma linha de tempo de implementação, e recomendações de melhores práticas para pesquisadores interessados em reconhecimento de ações em esportes com oclusão.