EgoPressure

EgoPressure数据集由苏黎世联邦理工学院创建，专注于从第一人称视角进行手部压力和姿态估计。该数据集包含5小时的触碰和压力交互记录，由21名参与者在移动的第一人称摄像头和7个静止的Kinect摄像头下完成。数据集通过8个同步的Azure Kinect摄像头捕捉RGB图像和深度图，并使用Sensel触摸传感器获取精确的接触和压力数据。创建过程包括多视角序列优化方法来标注手部姿态，确保数据的高质量。该数据集主要应用于增强现实（AR）、虚拟现实（VR）和机器人研究，旨在提高对手部与物体交互的物理理解。

搜集汇总

数据集介绍

构建方式

EgoPressure数据集的构建融合了多视图序列为基础的方法，利用了8个精确校准的RGBD相机的视频片段。该数据集包括5.0小时的触觉接触和压力交互数据，由21名参与者通过移动的egocentric相机和7台静止的Kinect相机捕获。数据集还提供了压力强度和手部网格的精细对齐，并提供了3D压力作为UV纹理。

特点

EgoPressure数据集具有以下特点：1）它包含来自egocentric视图的高质量手部姿态和压力数据，以及来自7个其他（静态）视角的数据。2）数据集允许开发从移动相机（例如头戴式系统或其他身体穿戴相机）估计压力的方法。3）EgoPressure包括准确的3D手部姿态，这对于基于HMD的系统至关重要。

使用方法

使用EgoPressure数据集的方法包括：1）数据集可以用于开发估计压力的方法，特别是从移动相机（如头戴式系统或身体穿戴相机）进行估计。2）数据集可以用于训练模型，以从手部姿态和egocentric RGB图像中估计接触压力。3）数据集可以用于评估和比较不同的压力估计模型和算法。

背景与挑战

背景概述

EgoPressure数据集的创建旨在解决增强现实（AR）、虚拟现实（VR）以及机器人操作中手与物体交互的精确物理理解问题。该数据集由ETH Zürich和Microsoft MR & AI Lab的研究人员于2024年9月提出，它包含从第一人称视角捕捉的高质量手部姿势和压力数据。EgoPressure数据集由8个精确校准的RGBD相机捕捉，其中包括一个移动的第一人称相机和7个固定的Kinect相机，提供了RGB图像和深度图。该数据集包含来自21名参与者的5.0小时的手部接触和压力交互数据，以及每个接触点的细粒度压力强度。EgoPressure数据集的提出为AR/VR和机器人研究中的手部与物体交互的物理理解提供了重要的数据基础。

当前挑战

EgoPressure数据集面临的挑战主要包括：1) 如何从第一人称视角的移动相机中准确估计接触压力，这对于AR/VR交互和机器人操作至关重要；2) 如何从多个相机视角中精确地标注手部姿势，这对于理解手部与物体的交互至关重要。EgoPressure数据集通过引入一种新的多视图序列优化方法来解决这个问题，该方法利用8个精确校准的RGBD相机的视频资料来恢复3D手部姿势和网格。此外，EgoPressure数据集还提供了压力估计的基准，这将有助于未来在EgoPressure数据集上进行的发展和基准测试。

常用场景

经典使用场景

EgoPressure数据集主要用于增强现实（AR）、虚拟现实（VR）以及机器人技术等领域的下游应用。该数据集通过从第一人称视角捕捉手的接触和压力互动，为研究手与物体之间的物理交互提供了精确的数据支持。例如，在AR/VR环境中，用户通过触摸和压力与虚拟物体互动，可以获得更加细腻和连续的反馈体验。此外，该数据集还包含了手部姿势网格和精细的压力强度数据，可以用于开发更精确的手势识别和手部交互技术。

衍生相关工作

EgoPressure数据集的衍生相关工作包括基于该数据集的压力估计和手部姿势估计方法。例如，该数据集可以用于开发基于深度学习的压力估计模型，以及基于多视角手部姿势估计模型。此外，该数据集还可以用于开发新的交互界面和交互技术，例如，通过触摸和压力感知的平面表面，可以提供更自然的交互方式。这些衍生工作将有助于推动AR/VR和机器人技术等领域的发展。

数据集最近研究

最新研究方向

EgoPressure数据集的引入为手部压力和姿态估计的研究开辟了新的方向。该数据集的独特之处在于它提供了从第一人称视角捕捉的手部压力和姿态数据，这对于增强现实（AR）、虚拟现实（VR）以及机器人应用等领域至关重要。EgoPressure数据集允许研究人员开发从移动相机（如头戴式系统或身体佩戴的相机）估计压力的方法，这在静态俯视视角不足以进行准确的压力估计时尤其有用。此外，EgoPressure数据集还包含了精确的3D手部姿态数据，这对于头戴式显示器（HMD）系统至关重要。研究结果表明，手部姿态和接触压力是互补的，这对于更好地理解AR/VR和机器人研究中的手部与物体交互的物理特性具有重要意义。

相关研究论文

• EgoPressure: A Dataset for Hand Pressure and Pose Estimation in Egocentric Vision

  苏黎世联邦理工学院 · 2024年