BarbieGait：面向多样化衣着变化的身份一致性人体数据集
计算机视觉与模式识别
2026-04-15 v1
摘要
行走姿态识别作为一种可靠的生物识别技术，近年来取得了快速发展，但面临由现实世界中多样化服装样式造成的挑战。本文介绍了 BarbieGait，这是一个人造人行走姿态数据集，其中将现实世界中的主体映射到虚拟引擎，以模拟大量服装变化，同时保持其行走身份信息。作为首个工作，BarbieGait 提供了可控的人行走姿态数据生成方法，使能够生产大型数据集以验证跨服装问题，这些问题在现实世界数据中难以验证。然而，服装的多样性增加了类内方差，使得在不同服装条件下学习无服装变化特征成为最大挑战之一。因此，我们提出了 GaitCLIF（Gait-oriented CLoth-Invariant Feature）作为跨服装行走姿态识别的稳健基线模型。通过大量实验，我们验证了该方法在 BarbieGait 和现有流行行走姿态基准数据集上显著改善了跨服装性能。我们认为，BarbieGait 及其广泛的跨服装行走姿态数据将进一步推动行走姿态识别在跨服装场景中的能力，并促进相关研究的进展。
引用
@article{arxiv.2604.12221,
title = {BarbieGait: An Identity-Consistent Synthetic Human Dataset with Versatile Cloth-Changing for Gait Recognition},
author = {Qingyuan Cai and Saihui Hou and Xuecai Hu and Yongzhen Huang},
journal= {arXiv preprint arXiv:2604.12221},
year = {2026}
}
备注
CVPR 2026, Project Page: https://github.com/BarbieGait/BarbieGait