En este estudio, desarrollamos un sistema de captura de movimiento 3D sin marcadores basado en aprendizaje profundo para esquí de fondo en un tapiz rodante y evaluamos su precisión frente a la captura de movimiento basada en marcadores durante las técnicas de patinaje G1 y G3. Los participantes realizaron pruebas de esquí con ruedas en una cinta de esquí. Las pruebas fueron grabadas con dos cámaras de video sincronizadas (100 Hz). Luego entrenamos un modelo personalizado utilizando DeepLabCut, y los movimientos de esquí fueron analizados utilizando tanto la captura de movimiento sin marcadores basada en DeepLabCut como los sistemas de captura de movimiento basados en marcadores. Comparamos estadísticamente los centros articulares y los ángulos de vectores articulares entre los métodos. Los resultados demostraron un alto nivel de acuerdo para los ángulos de vectores articulares, con diferencias medias que van desde -2.47 grados hasta 3.69 grados. Para las posiciones de los centros articulares y las colocaciones de los dedos del pie, las diferencias medias oscilaron entre 24.0 y 40.8 mm. Este nivel de precisión sugiere que nuestro enfoque sin marcadores podría ser útil como herramienta de entrenamiento de esquí. El método presenta interesantes oportunidades para capturar y extraer valor de grandes cantidades de datos sin la necesidad de marcadores adjuntos al esquiador y cámaras costosas.