面向无约束场景的人体脊柱 2D 位姿估计

我们提出了 SpineTrack，这是首个为 2D 脊柱姿态估计构建的综合数据集，旨在解决体育分析、医疗保健和真实动画等领域的关键需求。现有姿态数据集常将脊柱简化为单个刚性段，忽视了精准运动分析所需的细致关节。相比之下，SpineTrack 在两个互补子集上标注九个详细的脊柱关键点：一个包含 25k 条标注的合成数据集通过 Unreal Engine 创建，并通过 OpenSim 实现生物力学对齐；一个包含 33k 条以上标注的真实世界数据集通过主动学习管道构建，迭代细化自动标注并结合人工反馈。这种集成方法确保了大规模数据在困难场景下的解剖学一致性标签。我们进一步提出了 SpinePose，通过知识蒸馏和解剖学正则化策略扩展了最先进的身体姿态估计器，以联合预测身体和脊柱关键点。我们在通用场景和体育特定场景中的实验表明，SpineTrack 对于精准的脊柱姿态估计效果显著，为未来在野外进行高级生物力学分析和 3D 脊柱重建奠定了坚实基础。