GTAutoAct：基于游戏引擎二次开发的动作识别自动数据集生成框架
计算机视觉与模式识别
2024-01-25 v1
摘要
当前用于动作识别任务的数据集面临传统收集和生成方法带来的局限性，包括动作类别范围受限、缺乏多视角记录、多样性有限、视频质量差以及人工收集耗时费力。为了应对这些挑战，我们引入了 GTAutoAct，这是一种利用游戏引擎技术促进动作识别进步的创新数据集生成框架。GTAutoAct 擅长自动创建具有广泛动作类别和卓越视频质量的大规模、标注良好的数据集。我们框架的独特贡献包括：(1) 创新地将现成的基于坐标的 3D 人体运动转换为旋转导向表示，增强了在多视角下的适用性；(2) 对旋转序列采用动态分割和插值，以创建平滑逼真的动作动画；(3) 提供可广泛定制的动画场景；(4) 实现了自主视频捕获和处理流水线，配备随机导航相机，并具有自动裁剪和标注功能。实验结果突显了该框架的稳健性，并强调了其显著改进动作识别模型训练的潜力。
引用
@article{arxiv.2401.13414,
title = {GTAutoAct: An Automatic Datasets Generation Framework Based on Game Engine Redevelopment for Action Recognition},
author = {Xingyu Song and Zhan Li and Shi Chen and Kazuyuki Demachi},
journal= {arXiv preprint arXiv:2401.13414},
year = {2024}
}