Horse10

姿态估计是测量行为的重要工具，因此广泛应用于技术、医学和生物学。由于深度学习算法和大规模数据集的创新，对人类的姿势估计已经变得非常强大。然而，典型的人体姿势估计基准，例如 MPII 姿势和 COCO，在不同的上下文中包含许多不同的个体 (>10K)，但每个个体只有很少的示例姿势。在姿态估计的实际应用中，用户希望通过仅在一小部分个体上标记几百帧来估计用户定义的身体部位的位置，但希望将其推广到新个体。因此，人们自然会提出以下问题：假设您已经训练了一种算法，该算法可以在给定（个体）动物的整个运动曲目中以高精度执行 - 它对外观略有不同或显着不同的不同个体的泛化效果如何?与这里常见的人体姿势估计基准不同，该设置是数据集每个人有许多（带注释的）姿势（> 200），但只有少数人（1-25）。
为了让该领域能够应对这一挑战，我们开发了一个名为 Horse-10 的新基准，由 30 匹不同的纯种马组成，其中 22 个身体部位由专家在 8,114 帧中标记。马有不同的毛色，在各种纯种一岁马销售和农场收集的数据的“野外”方面增加了额外的复杂性。