ProGait：面向经股假肢使用者的多用途视频数据集与基准
计算机视觉与模式识别
2025-07-15 v1 人工智能
摘要
假肢在临床康复中扮演着关键角色，使下肢截肢者能够恢复活动能力并提高生活质量。步态分析是优化假肢设计和对线的基础，直接影响下肢截肢者的活动能力和生活质量。基于视觉的机器学习方法为步态分析提供了一种可扩展且非侵入性的解决方案，但由于假肢独特的外观和新的运动模式，在正确检测和分析假肢方面面临挑战。在本文中，我们旨在通过引入一个名为ProGait的多用途数据集来弥合这一差距，以支持包括视频目标分割、2D人体姿态估计和步态分析在内的多个视觉任务。ProGait提供了来自四名大腿截肢者在测试多个新配假肢进行行走试验时的412个视频片段，并描绘了具有经股假肢的人类受试者的存在、轮廓、姿态和步态模式。除了数据集本身，我们还提供了基准任务和微调的基线模型，以说明ProGait数据集的实际应用和性能。我们将基线模型与预训练视觉模型进行了比较，证明了在将ProGait数据集应用于假肢特定任务时，其泛化能力得到了提升。我们的代码可在https://github.com/pittisl/ProGait获取，数据集可在https://huggingface.co/datasets/ericyxy98/ProGait获取。
引用
@article{arxiv.2507.10223,
title = {ProGait: A Multi-Purpose Video Dataset and Benchmark for Transfemoral Prosthesis Users},
author = {Xiangyu Yin and Boyuan Yang and Weichen Liu and Qiyao Xue and Abrar Alamri and Goeran Fiedler and Wei Gao},
journal= {arXiv preprint arXiv:2507.10223},
year = {2025}
}
备注
Accepted by ICCV'25