PeopleSansPeople

Abstract (clicca per espandere) Negli ultimi anni, il riconoscimento delle persone e la stima della posa umana hanno fatto grandi progressi, supportati da set di dati etichettati su larga scala. Tuttavia, questi set di dati non avevano garanzie né analisi delle attività umane, delle pose o della diversità del contesto. Inoltre, preoccupazioni relative alla privacy, alla legalità, alla sicurezza e all'etica possono limitare la capacità di raccogliere ulteriori dati umani. Un'alternativa emergente ai dati del mondo reale che allevia alcuni di questi problemi sono i dati sintetici. Tuttavia, la creazione di generatori di dati sintetici è incredibilmente impegnativa e impedisce ai ricercatori di esplorarne l'utilità. Pertanto, rilasciamo un generatore di dati sintetici incentrato sull'uomo, PeopleSansPeople, che contiene asset umani 3D pronti per la simulazione, un sistema di illuminazione e telecamera parametrizzato e genera etichette di bounding box 2D e 3D, segmentazione di istanze e semantica, e etichette di posa COCO. Utilizzando PeopleSansPeople, abbiamo eseguito un addestramento di riferimento con dati sintetici utilizzando una variante di Detectron2 Keypoint R-CNN.