SLOPER4D：面向城市环境中全局 4D 人体姿态估计的场景感知数据集

我们提出 SLOPER4D，一个在大型城市环境中采集的、场景感知的新数据集，以促进野外具有人-场景交互的全局人体姿态估计（GHPE）研究。采用集成 LiDAR 与相机的头戴式设备，我们从第一人称视角记录了 12 名人类受试者在 10 个不同城市场景中的活动。提供了逐帧的 2D 关键点、3D 姿态参数和全局平移标注，以及重建的场景点云。为在此类大型动态场景中获得准确的 3D 真值，我们提出一种联合优化方法，将局部 SMPL 网格拟合到场景，并在动态运动中逐帧微调相机标定，从而得到合理且场景自然的 3D 人体姿态。最终，SLOPER4D 包含 15 段人体运动序列，每段轨迹长度超过 200 米（至多 1,300 米）且覆盖面积超过 2,000 $m^2$（至多 13,000 $m^2$），包含超过 100K LiDAR 帧、300k 视频帧和 500K 基于 IMU 的运动帧。借助 SLOPER4D，我们对两项关键任务（包括城市环境中基于相机的 3D HPE 和基于 LiDAR 的 3D HPE）进行了详尽深入的分析，并对新任务 GHPE 进行了基准测试。深入分析表明 SLOPER4D 对现有方法提出了重大挑战并带来了丰富的研究机遇。数据集与代码发布于 \url{http://www.lidarhumanmotion.net/sloper4d/}。