Oct, 2023

SwimXYZ：一个大规模合成游泳动作和视频数据集

PDF
TL;DR运动技术在运动中扮演着越来越重要的角色，并成为运动员获益的真正竞争优势。然而，传统的动作捕捉系统昂贵且束缚。最近发展起来的基于计算机视觉的方法也在某些运动中面临困难，比如游泳，由于水中环境的限制。为了解决这个问题，我们介绍了 SwimXYZ，一个合成的游泳动作和视频数据集。SwimXYZ 包含 340 万帧的带有真实 2D 和 3D 关节点标注的视频，以及 240 个游泳动作序列的 SMPL 参数格式。除了公开提供该数据集，我们还介绍了 SwimXYZ 在游泳泳姿聚类和 2D 姿势估计方面的应用案例。
technologiesmotion captureswimminglabeled datasets2d pose estimation
发现论文，激发创造
  • Motion-X：大规模三维表现全身人体运动数据集

    该研究介绍了 Motion-X 数据集及其构建方法，包含全身运动数据、姿态描述、语义标注等，采用高精度、低成本、可扩展的自动化流程进行数据标注，旨在提高生成自然、多样、表达丰富的运动以及进行 3D 人体网格恢复的能力。

    Jul, 2023

  • SportsPose -- 一份动态的三维体育姿势数据集

    SportsPose 是一个大规模的姿态数据集，包括高度动态的运动。使用超过 176,000 个来自 24 名不同受试者的 5 种运动活动的 3D 姿势，SportsPose 提供了一组反映了运动复杂和动态性的多样化和全面的 3D 姿势。数据集伴随代码，可以从我们的网站上下载，希望 SportsPose 可用于开发和评估更有效的运动表现分析和损伤预防模型。

    Apr, 2023

  • 从合成人中学习

    本文提出了使用由 3D 运动捕捉数据生成的合成真实人形图像的大规模数据集 (SURREAL) 来训练卷积神经网络 (CNNs)，并且通过该数据集训练的 CNNs 在 RGB 图像中可以准确地进行人物深度估计和人物部分分割。

    Jan, 2017

  • 基于 Sim2real 转移学习的 3D 人体姿势估计：动作拯救

    通过提取运动信息（光流和二维关键点），我们展示了神经网络方法可以在仅使用 SURREAL 合成数据的情况下与最先进的基于真实 3D 序列训练的方法相媲美地从 3D 视角估计人体姿态。

    Jul, 2019

  • 3D-ZeF: 一份 3D 斑马鱼跟踪基准数据集

    提供了一个名为 3D-ZeF 的新型可公开获取的基于立体视觉的 3D RGB 数据集用于多物体斑马鱼跟踪，该数据集包含了斑马鱼在行为分析中被经常使用于研究的神经学疾病、药物成瘾等方面的八个序列以及一个基于自由移动的斑马鱼数量介于 1-10 之间的视频，此外还提供了一个用于 3D 跟踪斑马鱼的模块化基线系统。

    Jun, 2020

  • 3DYoga90: 一个用于瑜伽姿势理解的分层视频数据集

    我们开发了 3DYoga901，这是一个三层标签层次结构的数据集，包括 RGB 瑜伽动作视频和 3D 骨架序列，对于瑜伽动作识别和姿势评估有着重要的推动作用。

    Oct, 2023

  • 解耦视频和人体动作：进军运动员录像实用事件检测

    本研究旨在解决在个人运动员记录中检测运动事件的问题，通过使用 2D 人体姿势序列作为中间表示，并结合领域自适应的运动员追踪，提出了两种事件检测方法，在游泳和田径领域进行了评估，从而实现了灵活的基于姿势的运动事件检测。

    Apr, 2020

  • 基于文本的三维人体动作检索的跨数据库研究

    我们提供了一项关于基于文本的三维人体动作检索的研究结果，重点关注跨数据集的泛化问题。通过采用统一的 SMPL 人体格式，我们能够对一个数据集进行训练，对另一个进行测试，或者对多个数据集进行训练。研究结果表明，标准的文本 - 动作基准数据集（如 HumanML3D、KIT Motion-Language 和 BABEL）存在数据集偏差。我们展示了文本增强在一定程度上可以缩小领域差距，但仍存在差距。此外，我们首次提供了使用 BABEL 进行零样本动作识别的结果，而在训练过程中没有使用分类动作标签，开辟了未来研究的新方向。

    May, 2024

  • MoVi：一个大型通用运动与视频数据集

    本文介绍了一组新的人体运动和视频数据集 MoVi，其中包括 60 名女性和 30 名男性表演 20 种预定义的日常动作和运动，以及一种自选运动。该数据集包含 9 小时的运动捕捉数据、17 小时的 4 个不同视角的视频数据和 6.6 小时的 IMU 数据，同时还描述了数据集的收集和后处理过程，并探讨了该数据集可促进的研究方向。

    Mar, 2020

  • 牛津多运动数据集：具有地面真值的多个 SE（3）运动

    本文描述了牛津多动态数据集，该数据集提供了许多复杂的多动态估计问题，包括挑战现有算法的复杂问题以及支持算法开发的简化问题。数据集包含来自静态和动态传感器的观测、多个移动体的不同 3D 运动的数据以及旋转和遮挡等多个问题的实验。它还提供了 110 分钟的数据包括立体和 RGB-D 摄像头图像、IMU 数据和 Vicon 地面真值轨迹，是多动态估计研究的一个有价值的资源。

    Jan, 2019