ENIGMA-360：面向工业场景人类行为理解的 Egocentric-Exocentric 数据集
计算机视觉与模式识别
2026-03-12 v2
摘要
从互补的以人为中心（ego）和以人为外观（exo）视角理解人类行为，可发展出支持工业环境中工人的系统并提升其安全性。然而，由于缺乏在真实工业情景中同时捕获两者视角的数据集，此领域的进展受到限制。为此，我们提出 ENIGMA-360，一个在真实工业情景下获取的新的 ego-exo 数据集。该数据集由 180 个以人为中心的过程视频和 180 个以人为外观的过程视频组成，具有时间同步，提供同一场景的互补信息。360 视频配有时间和空间注释，使其能够研究人类行为在工业领域的不同方面。我们提供基准实验，用于 3 项人类行为理解的基础任务：1）时间动作分割，2）关键步骤识别，3）以人为中心的人类-对象交互检测，显示最先进方法在这一具挑战性情景下的局限性。这些结果凸显了需要新的模型才能在真实世界环境中实现稳健的 ego-exo 理解的必要性。我们公开释放该数据集及其注释至 https://fpv-iplab.github.io/ENIGMA-360/。
引用
@article{arxiv.2603.09741,
title = {ENIGMA-360: An Ego-Exo Dataset for Human Behavior Understanding in Industrial Scenarios},
author = {Francesco Ragusa and Rosario Leonardi and Michele Mazzamuto and Daniele Di Mauro and Camillo Quattrocchi and Alessandro Passanisi and Irene D'Ambra and Antonino Furnari and Giovanni Maria Farinella},
journal= {arXiv preprint arXiv:2603.09741},
year = {2026}
}