arXiv cs.AI· Qifan Wang, Qihang Fang, Boao Shi, Yushi Du, Pei Zhou, Siyan Dong, Yanchao Yang·· 13 小时前AI 评分26
SituHOI：可扩展采集场景化全身人物交互数据集
SituHOI: Scalable Capture of Scene-Situated Full-Body Human-Object Interaction
AI 导读
研究团队推出 SituHOI，一个包含 18,429 个标注片段、覆盖 16 个室内房间、约 86 小时活动的大规模 RGB-D 数据集，用单台移动 RGB-D 相机结合静态场景扫描实现全身动作、物体与场景几何的统一对齐。
正文 · AI 翻译
摘要：在真实环境中建模人-物交互（HOI）需要同时表示全身运动、被操作物体和场景几何，然而现有数据集在可扩展采集与结构化、场景对齐的监督之间难以兼顾。我们提出 SituHOI，一个大规模 RGB-D 数据集，包含 16 个室内房间中的 18,429 个标注片段，约 86 小时经过质量筛选的活动。它将单个移动 RGB-D 相机的录制与静态场景扫描、物体几何、语言描述以及估计的人体和物体轨迹配对。以扫描作为持久参考，我们的流程将相机定位和基于深度的度量对齐与人体网格恢复、物体跟踪和时间细化相结合，将所有几何标注配准到共享的地面对齐坐标系中。这些数据支持 FlexHOI-Bench，一个目标条件联合运动预测基准，具有可变的观测和预测时长。给定观测历史、场景和物体几何以及终端物体位姿，模型预测未来的人体和物体运动。我们提供 SharedHOI 作为参考预测器，并评估世界空间精度和人-物协调性。在 MoCap 子集上，我们的流程将人体 G-MPJPE 从 195.4 降至 68.3 mm，物体平移误差从 43.0 降至 28.7 mm。SharedHOI 在全部三个 FlexHOI-Bench 聚合指标上领先四个适配基线。数据将在接收后发布。匿名代码仓库可在 此 https URL 获取。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.23980 [cs.CV] |
| （或 arXiv:2610.23980v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23980 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Qifan Wang [查看邮箱]
[v1]
2026年10月13日星期二 17:39:10 UTC（5,549 KB）
[v2]
2026年10月29日星期四 11:03:41 UTC（5,549 KB）
来源：arXiv cs.AI · arxiv.org