CIRCLE：在丰富上下文环境中捕捉动作
计算机视觉与模式识别
2023-04-03 v1 图形学
摘要
在具有上下文的生态化环境中合成3D人体运动，对于模拟真实世界中人们执行的现实活动十分重要。然而，传统的基于光学动作捕捉系统并不适合同时捕捉人体运动与复杂场景。丰富上下文的3D人体运动数据集的缺失，阻碍了高质量生成式人体运动模型的创建。我们提出了一种新颖的运动采集系统，其中演员在高度上下文的虚拟世界中感知与操作，同时在真实世界中被动作捕捉。我们的系统能够在高度多样化的场景中快速采集高质量人体运动，无需担心遮挡，也无需在真实世界中构建物理场景。我们提出CIRCLE，一个包含5名受试者在9个场景中总计10小时全身伸展运动的数据集，并配有以RGBD视频等多种形式表示的自我中心环境信息。我们利用该数据集训练一个以场景信息为条件生成人体运动的模型。借助我们的数据集，该模型学会利用自我中心场景信息，在复杂3D场景上下文中完成非平凡的伸展任务。下载数据请访问 https://stanford-tml.github.io/circle_dataset/。
引用
@article{arxiv.2303.17912,
title = {CIRCLE: Capture In Rich Contextual Environments},
author = {Joao Pedro Araujo and Jiaman Li and Karthik Vetrivel and Rishi Agarwal and Deepak Gopinath and Jiajun Wu and Alexander Clegg and C. Karen Liu},
journal= {arXiv preprint arXiv:2303.17912},
year = {2023}
}