cmu-fbx

CMU Motion Capture Library — FBX 格式是一个包含 2,548 个人体运动捕捉动画的大规模数据集，采用 .fbx 格式存储，按受试者/运动编号组织。该数据集源自 CMU Graphics Lab Motion Capture Database，适用于机器人技术、计算机动画、游戏开发以及涉及人体运动的机器学习研究。动画内容涵盖日常和运动动作（如行走、跑步、跳跃、蹲下等），以骨骼骨架形式存储（无网格），包含根运动但不包含手指动画。数据集结构按受试者编号范围组织文件夹，文件命名遵循 `{subject}_{motion}.fbx` 的约定。元数据文件 `metadata.csv` 包含每个剪辑的文件名、剪辑ID、受试者ID、运动ID和标签。数据集允许自由使用、修改和再分发，但需遵守原始 CMU 数据库的使用条款并注明出处。CMU Motion Capture Library — FBX Format is a large-scale dataset containing 2,548 human motion capture animations, stored in .fbx format and organized by subject/motion number. Derived from the CMU Graphics Lab Motion Capture Database, this dataset is applicable to robotics, computer animation, game development, and machine learning research involving human motion. The animations cover daily and athletic movements such as walking, running, jumping, squatting and others, stored in skeletal form (without mesh), including root motion but excluding finger animations. The dataset organizes folders by subject ID ranges, with file naming following the convention `{subject}_{motion}.fbx`. The metadata file `metadata.csv` contains the filename, clip ID, subject ID, motion ID and label for each clip. The dataset permits free use, modification and redistribution, subject to compliance with the usage terms of the original CMU database and proper attribution.

原始信息汇总

CMU Motion Capture Library — FBX Format 数据集概述

数据集简介

这是一个大规模的人体运动捕捉动画库，包含 2,548 个 以 .fbx 格式存储的动画。该数据集源自 CMU Graphics Lab Motion Capture Database，适用于机器人学、计算机动画、游戏开发以及涉及人体运动的机器学习研究。

数据集内容与结构

• 数据量：共 2,548 个 .fbx 文件。
• 动画内容：涵盖广泛的日常和体育动作（如行走、奔跑、跳跃、蹲伏等）。
• 数据格式：FBX (Filmbox) 格式，可在 Blender、Unreal Engine、Unity、Godot 中导入。
• 骨架信息：仅包含骨骼的骨架（无网格模型）。
• 根运动：包含根运动（非原地动画）。
• 手指动画：不包含手指动画。
• 版本：V1_01。

文件组织结构

文件按受试者编号范围组织在文件夹中，命名约定为 {subject}_{motion}.fbx（例如 01_01.fbx 表示受试者01，动作01）。文件夹结构如下：

animations/ ├── 01-09_V1/ ├── 10-14_V1/ ├── 15-19_V1/ ├── 20-29_V1/ ├── 30-34_V1/ ├── 35-39_V1/ ├── 40-45_V1/ ├── 46-56_V1/ ├── 60-75_V1/ ├── 76-80_V1/ ├── 81-85_V1/ ├── 86-94_V1/ ├── 102-111_V1/ ├── 113-128_V1/ ├── 131-135_V1/ ├── 136-140_V1/ └── 141-144_V1/

元数据标签

• metadata.csv 是唯一的标签文件，每个动画片段对应一行。
• 列包括：file_name, clip_id, subject_id, motion_id, label。

数据来源与处理流程

1. 原始数据：由 CMU Graphics Lab 制作，可在 http://mocap.cs.cmu.edu 免费获取。
2. BVH 转换：.bvh 中间文件源自 cgspeed.com。
3. FBX 转换：RancidMilk 使用 Blender 和 Auto-Rig Pro 插件将 BVH 文件转换为 .fbx 格式，并重定向到由 Quaternius 提供的 CC0 角色模型上。本数据集分发的是 仅动画的 FBX 变体（仅骨骼/骨架，无角色网格）。

使用许可

• 动画数据遵循 CMU 运动捕捉数据库的使用条款：
  • 可以复制、修改或重新分发该运动捕捉数据，无需许可。
  • 可以将此数据包含在商业销售的产品中，但不得直接转售此数据本身（即使经过转换）。
  • 重新分发时，应向接收者明确相同的条款，并注明来源 mocap.cs.cmu.edu。
• 致谢要求：若使用此数据发布成果，请包含以下致谢声明：

  "The data used in this project was obtained from mocap.cs.cmu.edu. The database was created with funding from NSF EIA-0196217."

致谢

来源	贡献	链接
CMU Graphics Lab	原始运动捕捉记录	http://mocap.cs.cmu.edu
cgspeed (Bruce)	将 CMU 数据转换为 BVH 格式	cgspeed.com
RancidMilk	通过 Blender 将 BVH 转换为 FBX	itch.io
Quaternius	用于重定向的 CC0 角色模型	quaternius.com

搜集汇总

数据集介绍

构建方式

在计算机动画与机器人学领域，高质量的人体运动数据对于算法训练与仿真至关重要。CMU-FBX数据集源于卡内基梅隆大学图形实验室的光学动作捕捉原始记录，这些数据经过多阶段转换流程：首先由cgspeed将原始CMU数据转换为BVH格式，随后RancidMilk利用Blender软件及Auto-Rig Pro插件，将BVH文件重定向至Quaternius提供的CC0角色模型，最终生成仅包含骨骼结构的FBX文件。这一过程保留了根运动信息，但未包含手指动画，形成了包含2548个独立动画文件的标准化资源。

特点

该数据集的核心特点在于其规模与结构化的组织方式。涵盖日常活动与体育运动等多种人体动作，每个动画以骨骼蒙皮形式存储，不含网格模型，从而显著减小文件体积。数据按受试者编号范围分层目录管理，命名遵循“{受试者编号}_{动作编号}.fbx”的规范，并附有详细的元数据文件，清晰标注文件名称、剪辑标识、受试者与动作编号及标签信息。这种设计既便于批量处理，也支持针对特定动作或个体的精细化研究。

使用方法

在应用层面，CMU-FBX数据集可直接导入主流三维软件与游戏引擎，如Blender、Unity、Unreal Engine等。使用Blender时，需通过“文件→导入→FBX”路径加载，动画将以纯骨骼装备形式呈现。研究者可借助该数据集进行人体运动分析、动画生成算法训练或机器人运动规划等任务。依据许可条款，数据允许在非直接转售的前提下自由使用、修改与再分发，包括商业产品集成，但需注明原始数据来源及NSF资助信息，以符合学术规范。

背景与挑战

背景概述

CMU-FBX数据集源于卡内基梅隆大学图形实验室于早期创建的大规模人体运动捕捉数据库，该数据库在计算机动画与机器人学领域具有里程碑意义。数据集由RancidMilk通过Blender工具将原始BVH格式转换为FBX格式，涵盖了2548个涵盖日常与运动类动作的骨骼动画，其核心研究问题在于为人体运动建模、动作生成与跨领域应用提供标准化、可扩展的三维运动数据资源。该数据集凭借其丰富的动作类别与开放的许可协议，显著推动了计算机图形学、游戏开发及机器学习在运动合成与仿真方向的研究进展。

当前挑战

在运动捕捉领域，精确建模复杂人体动力学与多样动作风格始终是核心挑战，CMU-FBX数据集虽提供了大量运动序列，但仍面临动作语义标注稀疏、手指细节缺失以及跨骨架重定向一致性等难题。数据构建过程中，原始光学捕捉数据存在噪声与缺失，格式转换需解决BVH至FBX的骨骼映射偏差，且需在保留根运动信息的同时确保动画在主流引擎中的兼容性，这些技术障碍对数据质量与泛化能力构成了持续考验。

常用场景

经典使用场景

在计算机动画与机器人学领域，高质量的人体运动数据是驱动虚拟角色或实体机器人自然行为的关键。CMU-FBX数据集以其2548个涵盖行走、奔跑、跳跃等日常与运动动作的骨骼动画，成为运动生成与行为建模研究的经典资源。研究者常利用这些标准化FBX格式的动画，训练深度学习模型以合成或编辑逼真的人体运动序列，为动画制作与机器人控制提供数据基础。

解决学术问题

该数据集有效应对了人体运动分析中数据稀缺与格式异构的挑战。通过提供大规模、多动作类别的三维骨骼动画，它支持运动识别、运动合成与运动重定向等核心研究。其标准化的FBX格式简化了数据预处理，使得学术界能够专注于算法创新，如基于生成对抗网络的运动预测或强化学习中的策略训练，从而推动人机交互与智能动画领域的发展。

衍生相关工作

围绕CMU-FBX数据集，已衍生出众多经典研究工作。例如，在运动生成领域，研究者利用其训练变分自编码器以合成多样化的舞蹈动作；在动画重定向方面，基于该数据的算法实现了不同骨架间的运动迁移。此外，该数据集常作为基准测试集，用于评估运动预测模型的准确性，促进了《MotionVAE》等代表性论文的发表，持续推动着计算机图形学与人工智能的交叉创新。