UnrealEgo：一种用于鲁棒第一视角三维人体运动捕捉的新数据集
计算机视觉与模式识别
2022-08-03 v1
摘要
我们提出 UnrealEgo，即一个用于第一视角三维人体姿态估计的新型大规模自然化数据集。UnrealEgo 基于一种配备双鱼眼相机、可在无约束环境中使用的眼镜的先进概念。我们设计了其虚拟原型并将其附着于三维人体模型以进行立体视图采集。接下来我们生成了大量人体运动语料。因此，UnrealEgo 是首个提供野外立体图像、且在现有第一视角数据集中具有最丰富运动多样性的数据集。此外，我们提出了一种新基准方法，其思想简单而有效：为立体输入设计二维关键点估计模块以改善三维人体姿态估计。大量实验表明，我们的方法在定性与定量上均优于以往最先进（SOTA）方法。UnrealEgo 及我们的源代码已发布于项目网页。
引用
@article{arxiv.2208.01633,
title = {UnrealEgo: A New Dataset for Robust Egocentric 3D Human Motion Capture},
author = {Hiroyasu Akada and Jian Wang and Soshi Shimada and Masaki Takahashi and Christian Theobalt and Vladislav Golyanik},
journal= {arXiv preprint arXiv:2208.01633},
year = {2022}
}
备注
21 pages, 10 figures, 10 tables; project page: https://4dqv.mpi-inf.mpg.de/UnrealEgo/