交互场景中自我中心与外部中心双视角手势数据集

该数据集包含大量快速移动、变形、带有锐利阴影以及光线昏暗的手势。此类手势广泛存在于扩展现实场景的人机交互场景中，例如快速抛牌、掷骰子、用手指持物。可用于提升智能终端设备的手部细节识别能力，进而提高手部后续动作预测的准确性，并优化扩展现实环境下智能眼镜使用者参与互动游戏的用户体验。可为计算机视觉领域研究者提供支撑，以开发面向静态或序列图像的深度学习算法，实现更精准的手势检测、分割、分类与识别。研究者可以基于该数据，从单视角或双视角（第一人称视角或第三人称视角）创建子数据集，从而促进人工智能对人类互动游戏中手势的理解。还可以提取与手-物体交互相关研究所需的手势，例如手持棋子时变形的手势、在骰子游戏中抓握容器时模糊的手势，以及被纸牌遮挡的手部这些典型样本。研究人员可以标注矩形框和手部边缘，用于半监督和有监督的手部检测、手部分割和手部分类，以提高人工智能区分每位玩家手势的能力。研究者也可以直接使用该数据集进行无监督、自监督研究。从事扩展现实中人工智能交互游戏的研究人员、游戏开发者和项目经理，可利用第一人称视角和第三人称视角下成对手势的多样化特征，以及连续帧图像。

搜集汇总

背景与挑战

背景概述

该数据集聚焦于扩展现实交互场景，包含大量快速移动、变形、带锐利阴影或光线昏暗的手势样本，如快速抛牌、掷骰子和手持物品等。它旨在提升智能终端设备的手部细节识别与动作预测能力，并为计算机视觉研究提供支持，可用于手势检测、分割、分类等深度学习算法开发。数据支持从第一人称或第三人称双视角构建子数据集，并允许进行半监督、有监督及无监督学习，以促进人工智能对互动游戏中手势的理解。