H36M VS 3DPW datasets

1采集设备方面

H36M使用了高精度的多视角摄像机动态捕捉系统获得了非常准确和连贯的3D关节坐标标注。

3DPW使用了单目摄像机与IMU的复合传感系统进行采集,存在一定程度的标注噪声。

2场景环境方面

H36M主要针对室内定向动作,背景单一简洁。

3DPW重点是室外复杂环境中人的自然动作,场景复杂多变。

3提供的标注

H36M给出了3D关节坐标和对应的图片数据。

3DPW提供了3D骨骼和2D关键点,但没有对应的图片数据。

4标注形式

H36M以3D坐标的形式直接提供了关节位置。

3DPW给出的是经过注册的3D人体网格,需要自己提取骨骼。

Human3.6M数据集原始并没有提供SMPL参数,

这里的关键点是:

  1. SMPL GT参数是通过MoSh获得的。
  2. MoSh是将SMPL模型 fitting 到物理标记上的。
  3. 而不是数据集原始就提供SMPL参数。

所以这个过程是:

  1. Human3.6M提供物理动作捕捉的标记数据。
  2. 使用者通过MoSh,将SMPL模型拟合到标记,生成SMPL参数。
  3. 作为额外的监督信息,提供了SMPL参数。
相关推荐
Maynor9966 小时前
Z-Image: 100% Free AI Image Generator
人工智能
爬点儿啥6 小时前
[Ai Agent] 10 MCP基础:快速编写你自己的MCP服务器(Server)
人工智能·ai·langchain·agent·transport·mcp
张人玉6 小时前
百度 AI 图像识别 WinForms 应用代码分析笔记
人工智能·笔记·百度
测试人社区-小明7 小时前
智能弹性伸缩算法在测试环境中的实践与验证
人工智能·测试工具·算法·机器学习·金融·机器人·量子计算
Spring AI学习7 小时前
Spring AI深度解析(9/50):可观测性与监控体系实战
java·人工智能·spring
罗西的思考8 小时前
【Agent】MemOS 源码笔记---(5)---记忆分类
人工智能·深度学习·算法
dajun1811234568 小时前
反 AI 生成技术兴起:如何识别与过滤海量的 AI 伪造内容?
人工智能
人邮异步社区8 小时前
PRML为何是机器学习的经典书籍中的经典?
人工智能·机器学习
paceboy8 小时前
Claude和Cursor之间的切换
人工智能·程序人生
xiangzhihong89 小时前
使用 Trae IDE 一键将 Figma 转为前端代码
机器学习