SyDog：用于改进二维姿态估计的合成狗数据集

估计动物的姿态有助于理解动物运动，这在生物力学、神经科学、动物行为学、机器人学以及娱乐产业等学科中是基础性的。由于可用训练数据量巨大，人体姿态估计模型已取得了高性能。但由于缺乏动物姿态数据集，在动物姿态估计上取得同等成果具有挑战性。为解决此问题，我们引入了 SyDog：一个使用游戏引擎 Unity 生成的包含真实姿态与边界框坐标的狗的合成数据集。我们证明，在 SyDog 上训练的姿态估计模型比仅在真实数据上训练的模型性能更优，并显著减少了对图像进行费力标注的需求。我们发布 SyDog 数据集作为动物运动研究的训练与评估基准。