AMASS：以表面形状存档的动作捕捉数据库
计算机视觉与模式识别
2019-04-09 v1 图形学
摘要
大型数据集是基于深度学习的计算机视觉近期进展的基石。相比之下，现有人体动作捕捉（mocap）数据集规模小且动作有限，阻碍了人体运动学习模型的进展。尽管存在许多不同数据集，但它们各自使用不同的身体参数化，难以整合为单一元数据集。为此，我们引入 AMASS，一个大型且多样的人体运动数据库，它通过在一个通用框架与参数化中表示 15 个不同基于光学标记的动作捕捉数据集来统一它们。我们使用一种称为 MoSh++ 的新方法实现此目标，该方法将 mocap 数据转换为由带骨架身体模型表示的逼真 3D 人体网格；此处我们使用被广泛使用并提供标准骨骼表示及完全带骨架表面网格的 SMPL [doi:10.1145/2816795.2818013]。该方法适用于任意标记集，同时恢复软组织动态与逼真手部运动。我们使用一个与基于标记 mocap 联合记录的 4D 身体扫描新数据集来评估 MoSh++ 并调优其超参数。AMASS 的一致表示使其易于用于动画、可视化以及为深度学习生成训练数据。我们的数据集比以往人体运动集合显著更丰富，拥有超过 40 小时运动数据，涵盖 300 多名受试者、超过 11,000 个动作，并将公开提供给研究界。
引用
@article{arxiv.1904.03278,
title = {AMASS: Archive of Motion Capture as Surface Shapes},
author = {Naureen Mahmood and Nima Ghorbani and Nikolaus F. Troje and Gerard Pons-Moll and Michael J. Black},
journal= {arXiv preprint arXiv:1904.03278},
year = {2019}
}
备注
12 pages, 9 figures, 1 table