本文介绍了一个新的大型多视角数据集 HUMBI，用于人体表情及服装模型。通过 107 个高清摄像机捕捉 772 名性别、种族、年龄和身体状况各异的人，使用 3D 网格模型恢复高保真的身体表达，并说明 HUMBI 在学习和重建完整人体模型方面非常有效。

Dec, 2018

该研究论文介绍了一个名为 MVHumanNet 的大规模 3D 人体数据集，其中包含 4500 个人的多视角行动序列，以及 9000 个日常服装、60000 个运动序列和 6.45 亿帧的详细注释，通过该数据集的使用，进行了多个 2D 和 3D 视觉任务的实验，展示了性能的提升和有效应用的可能性。

Dec, 2023

该研究致力于提供一种通过廉价视频和自定义传感器记录的数据集来实现人体姿态跟踪和运动重建的方法，以支持远程的日常生活活动识别和运动学分析等问题。通过对 54 名受试者进行研究，验证了该数据集具有良好的临床应用价值和相关的不扰动采集协议，并可以提供人体关节角度的全面图像。

Mar, 2023

HUMAN4D 是一种多模态体积数据集，提供了关于人类日常、物理和社交活动的各种姿势和动作的数据，同时提供多 RGBD、音频和音量数据。该数据集的介绍旨在推动计算机视觉和图形研究社区对空间和时间对齐的姿势、音量、mRGBD 和音频数据线索的联合研究，同时提供了人类姿势估计和三维压缩等方面的评估基线。

Oct, 2021

我们提出了一个新的多模态数据库来帮助推进沉浸技术的发展，该数据库提供了符合道德规范并且多样化的体积数据，可以支持面部表情识别等扩展现实算法的评估和性能测试。

Feb, 2024

EgoBody 是一个新的大规模数据集，用于通过自我主观视角获取人类姿态、形状和运动的估计，数据集覆盖丰富的互动场景，估计社交伙伴的 3D 全身姿态和形状。

Dec, 2021

该研究介绍了一个多视角，高分辨率的人脸数据集，通过进行替代卷积编码器及对条件对抗网络（VAE）进行验证，对研究区域的深度插值进行了实验讨论。

Jul, 2022

提出 Human-M3，一个室外多模态多视角多人姿势数据库，包括多视角 RGB 视频和对应的点云；基于多模态数据输入，提出一种姿势准确的算法以生成地面真实标注，在室外多人场景中解决多视角 RGB 视频中存在的人体定位和匹配模糊问题，并生成可靠的地面真实标注；多种不同模态算法的评估表明该数据库具有挑战性且适用于未来研究；此外，还提出了一种基于多模态数据输入的 3D 人体姿势估计算法，展示了多模态数据输入在 3D 人体姿势估计中的优势。

Aug, 2023

本文提出了基于视频的身体姿态和形状估计方法 (VIBE)，利用现有的大规模运动捕捉数据集 (AMASS) 和无配对的野外 2D 关键点注释，通过对抗学习框架，利用 AMASS 区分真实人体运动和由时态姿态和形状回归网络生成的运动，得到运动检测序列，具有动力学合理性，成功地解决了基于视频的人体三维姿态估计的挑战问题。

Dec, 2019

针对计算机视觉和图形学中的高质量人体重建和逼真渲染问题，本研究提出了 PKU-DyMVHumans 数据集，用于密集的多视角视频中的动态人体场景的高保真重建与渲染，为 fine-grained 前景 / 背景分解、高质量人体重建和逼真的动态场景新视图合成等各种应用铺平了道路。

Mar, 2024