ClimbingCap：用于世界坐标系下岩爬攀的多模态数据集与方法
计算机视觉与模式识别
2025-03-28 v1
摘要
人体运动恢复 (HMR) 研究主要聚焦于地面运动，如跑步。对于捕捉爬爬运动这种离地运动的研究相对稀少。这部分原因在于爬爬运动数据集的可得性有限，尤其是大规模且具有挑战性的三维标记数据集。为此，我们收集了 AscendMotion 数据集，这是一个大规模标注且具有挑战性的爬爬运动数据集。它包含 412k 个 RGB、LiDAR 帧以及 IMU 测量值，包括来自 12 个不同岩壁上 22 位专业爬爬教练的具有挑战性的爬爬运动。捕捉爬爬运动具有挑战性，因为这需要精确恢复不仅复杂姿态，还要恢复爬爬者的全局位置。尽管已提出了多个全局 HMR 方法，但无法忠实地捕捉爬爬运动。为解决 HMR 方法在爬爬运动方面的局限性，我们提出了 ClimbingCap，这是一种在全局坐标系中重建连续三维人体爬爬运动的方法。一个关键洞察是使用 RGB 和 LiDAR 模态分别在相机坐标系和全局坐标系中重建运动，并联合优化。我们展示了 AscendMotion 数据集的质量，并呈现了 ClimbingCap 的有前景的结果。AscendMotion 数据集和源代码将在公开发布。
引用
@article{arxiv.2503.21268,
title = {ClimbingCap: Multi-Modal Dataset and Method for Rock Climbing in World Coordinate},
author = {Ming Yan and Xincheng Lin and Yuhua Luo and Shuqi Fan and Yudi Dai and Qixin Zhong and Lincai Zhong and Yuexin Ma and Lan Xu and Chenglu Wen and Siqi Shen and Cheng Wang},
journal= {arXiv preprint arXiv:2503.21268},
year = {2025}
}
备注
CVPR2025, project in \href{this link}{http://www.lidarhumanmotion.net/climbingcap/}