CIMI4D：面向人-场景交互的大规模多模态攀爬运动数据集
计算机视觉与模式识别
2023-04-03 v1
摘要
运动捕捉是一个长期的研究问题。尽管已被研究数十年，多数研究聚焦于行走、坐下、跳舞等地面动作。攀爬等离地动作在很大程度上被忽视。作为体育与消防领域一类重要动作，攀爬运动因其复杂的背部姿态、错综的人-场景交互以及困难的全局定位而难以捕捉。由于缺乏专门数据集，研究界对攀爬动作未有深入理解。为弥补此局限，我们采集了 CIMI4D，一个来自 12 人在 13 面不同攀岩墙攀爬的大型岩石 \textbf{C}l\textbf{I}mbing \textbf{M}ot\textbf{I}on 数据集。该数据集包含约 180,000 帧的姿态惯性测量、LiDAR 点云、RGB 视频、高精度静态点云场景与重建场景网格。此外，我们对接触岩点进行逐帧标注，以促成人-场景交互的细致探索。该数据集的核心是一融合优化过程，其修正因漂移及受磁环境影响的姿态。为评估 CIMI4D 的价值，我们执行了四项任务，包括人体姿态估计（含/不含场景约束）、姿态预测与姿态生成。实验结果表明，CIMI4D 对现有方法提出巨大挑战，并带来广泛的研究机遇。我们在 http://www.lidarhumanmotion.net/cimi4d/ 与研究领域共享该数据集。
引用
@article{arxiv.2303.17948,
title = {CIMI4D: A Large Multimodal Climbing Motion Dataset under Human-scene Interactions},
author = {Ming Yan and Xin Wang and Yudi Dai and Siqi Shen and Chenglu Wen and Lan Xu and Yuexin Ma and Cheng Wang},
journal= {arXiv preprint arXiv:2303.17948},
year = {2023}
}
备注
CVPR 2023