BadmintonGRF：用于铲球无标记地面反作用力估计的多模态数据集与基准
计算机视觉与模式识别
2026-05-05 v1 人工智能
摘要
非周期性场地运动的多模态资源匮乏：公开的数据集将标定地面反作用力（GRF）与高帧率多视角视频配对的案例很少，限制了在真实训练环境中进行无标记的荷载估计。BadmintonGRF 记录了约120 FPS 的八个同步RGB视图、四个Kistler力板和Vicon运动捕捉（C3D），在模态之间不具备硬件同步；对齐方式结合人工验证事件、自动质量保证和每个相机的时间偏移及不确定性元数据。Tier 1 在 CC BY-NC 4.0 许可下分发姿态、时间对齐的GRF、元数据和数据划分，无需原始RGB或C3D即可实现主要基准；我们报告了一个将2D姿态映射到GRF的Tier 1任务。Tier 2 在受控访问条件下提供原始RGB和C3D，供需要外观或完整运动学的研究使用。公共发布包含10科目基准树中的17,425个冲击段档案（156个标定试验；原始多视角RGB文件alone超过1 TB）；基准加载器保留12,867个视角特定实例和1,732个唯一冲击，经过多视角去重后。我们不了解是否有其他公开的羽毛球语料库能够结合此感知布局和经审核的视频-GRF对齐，用于冲击中心GRF估计。我们分发预处理代码、leave-one-subject-out数据划分、十个参考基线以及可选的后期融合（每个实例一次确定性测试时通过；无测试时数据增强），并在补充材料中提供一个试内诊断工具。
引用
@article{arxiv.2605.01876,
title = {BadmintonGRF: A Multimodal Dataset and Benchmark for Markerless Ground Reaction Force Estimation in Badminton},
author = {Kuoye Niu and Jianwei Li and Shengze Cai and Yong Ma and Mengyao Jia and Lishun Shen and Zhenheng Zhang and Yuxin Peng and Xian Song},
journal= {arXiv preprint arXiv:2605.01876},
year = {2026}
}