GRAB：一个全身人体抓取物体的数据集
计算机视觉与模式识别
2020-08-26 v1
摘要
训练计算机理解、建模并合成人类抓取动作，需要一个包含复杂 3D 物体形状、详细接触信息、手部姿态与形状以及随时间变化的 3D 身体运动的丰富数据集。虽然“抓取”通常被认为是一只手稳定地抬起物体，我们捕获了整个身体的运动并采用“全身抓取”的广义概念。因此，我们收集了一个名为 GRAB（GRasping Actions with Bodies）的新数据集，包含 10 名受试者与 51 个形状大小各异的日常物体交互的全身抓取数据，含完整 3D 形状与姿态序列。给定 MoCap 标记，我们拟合完整的 3D 身体形状与姿态，包括关节化的面部与手部，以及 3D 物体姿态。这给出了随时间的详细 3D 网格，并由此计算身体与物体间的接触。这是一个独特的数据集，远超现有用于建模和理解人类如何抓取与操作物体、全身如何参与以及交互如何随任务变化的数据集。我们通过一个应用示例说明 GRAB 的实用价值：训练 GrabNet，一个条件生成网络，预测未见 3D 物体形状的 3D 手部抓取。数据集与代码可用于研究，见 https://grab.is.tue.mpg.de。
引用
@article{arxiv.2008.11200,
title = {GRAB: A Dataset of Whole-Body Human Grasping of Objects},
author = {Omid Taheri and Nima Ghorbani and Michael J. Black and Dimitrios Tzionas},
journal= {arXiv preprint arXiv:2008.11200},
year = {2020}
}
备注
ECCV 2020