InfiniteForm：一个用于健身应用、极小偏置的合成数据集
计算机视觉与模式识别
2021-12-17 v2
摘要
远程健身的日益普及增加了对跟踪人体姿态的高精度计算机视觉模型的需求。然而，最佳方法在许多真实健身场景中仍会失败，表明当前数据集与真实健身数据之间存在域差距。为使该领域能够解决健身特定的视觉问题，我们创建了 InfiniteForm，一个包含 60k 图像的开源合成数据集，具有多样的健身姿态（15 类）、单人与多人场景，以及光照、相机角度和遮挡方面的真实变化。作为一个合成数据集，InfiniteForm 在体型与肤色上提供极小偏置，并为 2D 关键点等标准标注以及深度和遮挡等人类难以或无法生成的标注提供像素级完美标签。此外，我们引入一种新颖的生成流程，从预定义锻炼类别创建多样合成姿态。该生成过程可扩展至任何需要姿态多样性来训练鲁棒计算机视觉模型的应用。
引用
@article{arxiv.2110.01330,
title = {InfiniteForm: A synthetic, minimal bias dataset for fitness applications},
author = {Andrew Weitz and Lina Colucci and Sidney Primas and Brinnae Bent},
journal= {arXiv preprint arXiv:2110.01330},
year = {2021}
}
备注
Presented at the NeurIPS Data Centric AI Workshop 2021