时空中的肌肉：通过模拟肌肉激活来理解人类运动
计算机视觉与模式识别
2024-11-04 v1
摘要
探索肌肉与骨骼结构之间复杂动力学关系，是理解人类运动的关键。该领域面临诸多挑战，主要归因于获取地面真实肌肉激活数据所需的资源密集，导致数据稀缺。在本工作中，我们通过建立时空肌肉 (Muscles in Time, MinT) 大规模合成肌肉激活数据集来解决此问题。为构建MinT，我们通过使用OpenSim平台（该平台是生物力学和人类运动研究中常用的方法）对现有运动捕捉数据集进行扩展，加入肌肉激活仿真。从简单姿态序列开始，我们的管道提取人类肌肉肌肉系统中肌肉激活时间的详细信息。时空肌肉包含超过9小时的模拟数据，覆盖227名受试者和402根模拟肌肉纤维。我们通过展示基于神经网络的人体姿态序列肌肉激活估计结果（使用两种不同的序列到序列架构），表明该数据集的实用性。数据和代码均提供于 https://simplexsigil.github.io/mint。
引用
@article{arxiv.2411.00128,
title = {Muscles in Time: Learning to Understand Human Motion by Simulating Muscle Activations},
author = {David Schneider and Simon Reiß and Marco Kugler and Alexander Jaus and Kunyu Peng and Susanne Sutschet and M. Saquib Sarfraz and Sven Matthiesen and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:2411.00128},
year = {2024}
}