PKU-MMD:面向连续多模态人体动作理解的大规模基准
计算机视觉与模式识别
2017-03-29 v2
摘要
尽管已有许多3D人体活动基准被提出,但现有大多数动作数据集专注于分割视频的动作识别任务。目前缺乏标准的大规模基准,特别是对于当前流行的数据饥渴型深度学习方法。在本文中,我们引入了一个新的大规模基准(PKU-MMD),用于连续多模态3D人体动作理解,涵盖了广泛复杂的人类活动并带有完善的标注信息。PKU-MMD包含51个动作类别的1076个长视频序列,由66名受试者在三个摄像机视角下完成。它总共包含近20,000个动作实例和540万帧。我们的数据集还提供了多模态数据源,包括RGB、深度、红外辐射和骨架。利用不同的模态,我们在两种场景下对我们的数据集进行了广泛实验,并通过各种指标评估了不同的方法,包括一种新提出的评估协议2D-AP。我们相信这个大规模数据集将有益于该领域未来关于动作检测的研究。
引用
@article{arxiv.1703.07475,
title = {PKU-MMD: A Large Scale Benchmark for Continuous Multi-Modal Human Action Understanding},
author = {Chunhui Liu and Yueyu Hu and Yanghao Li and Sijie Song and Jiaying Liu},
journal= {arXiv preprint arXiv:1703.07475},
year = {2017}
}
备注
10 pages