VersatileGait：一个具有细粒度属性与复杂场景的大规模合成步态数据集
计算机视觉与模式识别
2021-01-06 v1
摘要
受实用步态识别应用驱动，我们提出利用游戏引擎自动创建一个大规模合成步态数据集（称为 VersatileGait），其包含约一百万条 11,000 名受试者在各种复杂场景中具有细粒度属性的剪影序列。与现有样本有限且场景简单的真实步态数据集相比，所提出的 VersatileGait 数据集具备若干优良特性，包括海量数据规模、高样本多样性、高质量标注、多俯仰角、与真实数据较小的域差距等。此外，我们考察了数据集的有效性（例如预训练后的域迁移）。随后，我们利用 VersatileGait 的细粒度属性同时提升步态识别的精度与速度，并验证多俯仰角设置下的步态识别性能。另外，我们探索了多种潜在研究应用。大量实验证明了所提 VersatileGait 及其相关应用在步态识别中的价值与有效性。我们将发布 VersatileGait 及其对应的数据生成工具包以供进一步研究。
引用
@article{arxiv.2101.01394,
title = {VersatileGait: A Large-Scale Synthetic Gait Dataset with Fine-GrainedAttributes and Complicated Scenarios},
author = {Huanzhang Dou and Wenhu Zhang and Pengyi Zhang and Yuhan Zhao and Songyuan Li and Zequn Qin and Fei Wu and Lin Dong and Xi Li},
journal= {arXiv preprint arXiv:2101.01394},
year = {2021}
}