DGHMesh：大规模双雷达毫米波数据集与面向人体网格重建的泛化导向基准
计算机视觉与模式识别
2026-04-28 v1 机器学习
摘要
毫米波（mmWave）雷达在无接触、隐私保护和稳健的人体感知方面显示出巨大的潜力，但现有基于毫米波的人体网格重建（HMR）研究仍受限于缺乏用于配置迁移下泛化分析和不同算法公平比较的基准。为此，我们提出 DGHMesh，一个大规模双雷达毫米波数据集和面向 HMR 的泛化导向基准。数据集包含来自 15 名受试者完成 8 项动作的样本，收集了 36 万同步帧数据，来自 FMCW 雷达、SFCW 雷达、RGB 图像和高精度 3D HMR 标注。此外，数据集提供来自两种雷达模态的同步原始 I/Q 数据，并精确标定雷达空间位置。该基准旨在评估在各种测量配置下的 HMR 方法，包括人体位置偏移、人体姿态偏移、子阵列大小变化和跨主体设置。在 DGHMesh 基础上，我们还提出了 mmPTM，一个基于查询的多雷达融合框架，联合利用点云和成像管道进行 HMR。在不同设置下对代表性基线进行大量实验表明，mmPTM 在多个子基准上始终实现卓越精度和具竞争力的泛化能力，验证了多雷达融合的有效性以及所提出数据集和基准对 mmWave-based HMR 研究的实际价值。DGHMesh 和 mmPTM 已公开于 https://github.com/SPIresearch/DGHMesh。（完整基准和代码将在论文发表后公开）
引用
@article{arxiv.2604.22827,
title = {DGHMesh: A Large-scale Dual-radar mmWave Dataset and Generalization-focused Benchmark for Human Mesh Reconstruction},
author = {Rongxiao Guo and Qingchao Chen},
journal= {arXiv preprint arXiv:2604.22827},
year = {2026}
}