SynthGait-19K：一個用於步態引數估算的物理依據合成視訊資料集
為何重要
此研究證實了合成資料集在解決生物醫學計算中的領域偏移（Domain Shift）問題上具有顯著實用性，打破了以往必須仰賴高精確度人體網格恢復 (HMR) 重建的思維。對開發者而言，這證明瞭直接 RGB 測量或合成監督在某些情境下可替代傳統重建路徑，提供更輕量且準確的解決方案。
針對單眼視訊步態引數估算模型因訓練資料規模不足而受限的現況，研究團隊發布了 SynthGait-19K，這是一個經過物理驗證的高品質合成視訊資料集，能有效解決視覺多樣性不足的問題。
- 資料規模：集成了來自 437 個受試者的 6,427 組光學動作重現 (MoCap) 序列，衍生出 19,272 個帶有配對 SMPL 運動與六項步態引數的走路視訊。
- 建構方法：利用名為 Gait2Vid 的系統，透過 SMPL 將異構的 MoCap 記錄統一，並在可控視角與場景外觀下合成多樣化的 RGB 視訊。
- 效能驗證：提出了參考模型 GaitXFormer，證明合成監督訓練能有效遷移至真實視訊，並指出空間步態引數對領域偏移較為敏感。