SynthGait-19K

SynthGait-19K 是一个包含 19,272 个合成行走视频的数据集，源自 6,427 个基础运动序列，每个序列最多从三个摄像机视角（正面、矢状面、随机）渲染。该数据集旨在支持基于视频的步态参数估计任务。数据以未压缩的 WebDataset TAR 分片形式发布（每片约 1 GB），每个样本包含一个 H.264 编码的 MP4 视频（分辨率 832×480，帧率 16 FPS）、一个 NPZ 格式的数值标注文件（包含六个步态特征：步频、步行速度、步长均值、步宽均值、驼背姿势均值、手臂摆动，以及左右脚跟触地索引）和一个 JSON 格式的元数据文件（包含样本 ID、划分、视角、视频属性、相机参数、步态特征等）。数据集划分为训练集（15,397 个视频）和验证集（3,875 个视频）。注意：脚跟触地索引基于 30 Hz 的标注时间线，而非视频帧索引。该数据集仅可用于非商业研究，禁止商业、生产、临床、诊断或患者护理用途。合成数据可能反映其运动来源和生成流程中的偏差或伪影，未经临床验证，不能替代临床数据或专业医疗判断。SynthGait-19K is a dataset containing 19,272 synthetic walking videos derived from 6,427 base motion sequences, each rendered from up to three camera viewpoints (frontal, sagittal, random). It is designed to support video-based gait parameter estimation tasks. The data is released as uncompressed WebDataset TAR shards (approximately 1 GB per shard), with each sample containing an H.264 encoded MP4 video (resolution 832×480, frame rate 16 FPS), an NPZ format numerical annotation file (including six gait features: cadence, walking speed, mean step length, mean step width, mean stoop posture, arm swing, and left/right heel strike indices), and a JSON format metadata file (including sample ID, split, viewpoint, video properties, camera parameters, gait features, etc.). The dataset is split into training set (15,397 videos) and validation set (3,875 videos). Note: Heel strike indices are based on a 30 Hz annotation timeline, not video frame indices. This dataset is for non-commercial research only; commercial, production, clinical, diagnostic, or patient care uses are prohibited. Synthetic data may reflect biases or artifacts from its motion sources and generation pipeline, and has not been clinically validated; it cannot replace clinical data or professional medical judgment.

原始信息汇总

SynthGait-19K 数据集概述

SynthGait-19K 是一个用于基于视频的步态参数估计的合成数据集，共包含 19,272 段合成行走视频，来源于 6,427 个底层运动序列。每个运动序列从最多三个摄像机视角渲染（正面、矢状面、随机视角）。

数据集规模与划分

• 训练集：15,397 段视频（5,135 个行走序列）
• 验证集：3,875 段视频（1,292 个行走序列）
• 同一行走序列的所有视角被分配到同一数据划分中
• 视角统计：正面视角 6,425 段、矢状面视角 6,426 段、随机视角 6,421 段

数据结构与格式

数据集以 WebDataset TAR 分片格式发布，每个分片约 1 GB。每个样本包含：

• 视频文件：H.264 编码，分辨率 832x480，帧率 16 FPS
• NPZ 文件：数值注释（features、left_heel_strikes、right_heel_strikes 数组）
• JSON 文件：元数据（样本 ID、划分、视角、视频属性、相机旋转与视野、步态特征、左右脚跟触地索引）

注意：脚跟触地索引对应 30 Hz 的注释时间线，而非视频帧索引（16 FPS）。

步态特征模式

数据集中包含六个输出目标，顺序如下：

字段	单位	含义
cadence	steps/min	步频
walking_speed	m/s	平均前进速度
step_length_mean	m	平均步长
step_width_mean	m	平均步宽
stoop_posture_mean	ratio	平均驼背姿势（C7 至 S1 前向偏移除以腿长）
arm_swing	ratio	手臂摆动（腕部前向范围除以腿长）

使用与加载方式

数据集的 TAR 分片文件名决定了数据划分（train-*.tar 对应训练集，validation-*.tar 对应验证集）。分片名称在发布时已固定，同一行走的所有视角保留在相同划分中。

支持以下加载方式：

• Hugging Face Datasets：可使用 load_dataset API 进行流式加载
• WebDataset：通过 WebDataset 库直接读取 TAR 分片 URL
• 缓存构建：配合 FoundationGait 仓库中的 cache_hf_dataset.py 脚本构建训练缓存，脚本按名称读取六个目标特征，并使用人体检测器构建训练加载器所需的裁剪 32 帧张量

隐私与去标识化

行走序列在分配公共 vid_XXXXX 标识符前经过打乱处理，同一运动的不同视角共享同一基础标识符。发布数据不包含原始文件名、受试者标识符、来源数据集标签或私有映射文件。这些措施应视为假名化而非不可逆匿名化，持有源数据的机构可能通过运动或注释相似性进行记录匹配。

许可协议

SynthGait-19K 采用 SynthGait-19K 研究使用许可，仅允许非商业研究用途。商业、生产、临床、诊断及患者护理用途须先获得作者书面许可。该数据集未经临床验证，不能替代临床数据或专业医疗判断。

搜集汇总

数据集介绍

构建方式

SynthGait-19K是一套专为步态参数估计研究打造的大规模合成视频数据集，其构建依托于计算机图形学渲染技术，将6,427条基础运动序列以三种不同视角（正面、矢状面及随机视角）进行可视化，共生成19,272段行走视频。每段视频均以WebDataset TAR分片形式存储，且每个样本包含视频文件、数值标注NPZ及元数据JSON，其中关键步态特征（如步频、步速等）与左右脚跟触地时刻均以30Hz注释时间轴标注，数据构建流程严谨规范。

特点

该数据集的核心特色在于其高度可控的合成性与多视角覆盖，有效解决了真实步态数据采集成本高昂与隐私限制的问题。所有视频均以16 FPS、832x480分辨率渲染，并配套标准化六维步态特征标签，包括步频、步速、步长、步宽、躯干前倾及手臂摆动等。此外，训练集与验证集的划分保证同一运动序列的所有视角保持一致，避免了数据泄漏，为算法公平评估提供了坚实基础。

使用方法

使用者可借助Hugging Face Datasets库或WebDataset接口便捷加载数据，其中流式加载模式特别适用于大规模训练任务。官方提供的缓存构建脚本能够自动依据分片名称划分集合并生成训练所需的裁剪张量。由于数据以TAR格式分片发布，推荐结合WebDataset工具链实现高效IO流水线，但需注意所有标注时间轴基于30Hz，而非视频帧率，应用时应仔细对齐。该数据集仅限非商业研究用途，使用者需遵循特定许可协议。

背景与挑战

背景概述

SynthGait-19K是一个包含19,272段合成行走视频的数据集，源自6,427个基础运动序列，每个序列从多达三个视角渲染，旨在支持基于视频的步态参数估计。该数据集由SoroushMehraban等研究者创建，发布于HuggingFace平台，其核心研究问题是为步态分析提供大规模、多视角的合成数据资源，以缓解真实步态数据采集成本高、隐私敏感等瓶颈。其创新之处在于利用合成数据生成技术，实现了对步态特征（如步频、行走速度、步长等）的精确标注，为步态分析领域的深度学习模型训练提供了宝贵资源。该数据集的出现对步态分析、生物力学及计算机视觉交叉领域产生了积极影响，推动了从实验室到真实场景的步态识别与健康监测研究。

当前挑战

数据集面临的挑战主要涵盖领域问题与构建过程。在领域层面，步态参数估计长期受限于真实数据标注困难、视角单一、受试者隐私保护等问题，导致模型泛化能力不足；SynthGait-19K通过合成数据技术实现了多视角、大样本及精确标注，有效缓解了上述困境，但其合成数据与真实世界之间的域差异仍是应用中的核心挑战，可能影响模型在临床等真实场景中的表现。在构建过程中，研究者需确保合成的生物力学合理性及种姓多样性，同时处理从原始运动序列到视频渲染的复杂管线，包括视角同步、标注时间轴转换（30Hz标注与16FPS视频）等技术难点；此外，数据匿名化仅实现假名化，存在通过运动特征匹配真实身份的风险，商业及临床应用的严格限制也要求数据集在使用时需谨慎遵循许可协议。

常用场景

经典使用场景

SynthGait-19K作为大规模合成步态视频数据集，在步态分析领域开辟了全新的研究范式。其精心设计的19,272段行走视频，源自6,427条独立运动序列，并通过三种视角渲染，为视频驱动的步态参数估计提供了丰富的训练资源。研究者可借助这一数据集，运用深度神经网络对步态周期中的关键时空特征进行建模，从而精准预测包括步频、步行速度、步长、步宽、躯干前倾姿态及手臂摆动在内的六项核心步态参数，推动从传统实验室测量向计算机视觉自动化分析的转变。

衍生相关工作

SynthGait-19K的发布催生了一系列后续研究，例如基础模型GaitXFormer的提出，该模型以这六项步态特征为输出目标，验证了合成数据预训练的有效性。随之衍生的相关成果还包括：步态估计中的跨视角迁移学习方法、基于大规模合成数据的域适应技术，以及将步态参数与身份识别、情感计算相结合的探索性工作。此外，还将推动新的合成数据生成策略和适配不同临床应用的轻量级模型的发展，持续拓展其研究影响力。

数据集最近研究

最新研究方向

SynthGait-19K作为大规模合成步态视频数据集，其最新研究方向聚焦于基于视频的步态参数估计，利用多视角（正面、矢状面、随机）渲染的19,272段步行视频，推动步态分析从实验室走向现实应用。数据集提供六种步态指标（步频、步速、步长、步宽、躯干前倾、手臂摆动）及足跟触地事件标注，支持训练如GaitXFormer等模型，实现非接触式、自动化的步态评估。该方向与临床步态异常筛查、老年人跌倒风险预测、康复疗效量化等热点议题紧密关联，为数字健康与精准医疗提供数据基石。通过合成数据生成的策略，规避真实患者隐私风险，同时确保标注精度，有助于构建大规模、多样化的步态基准，促进迁移学习与跨域泛化研究。SynthGait-19K的发布，有望加速步态分析技术在智能医疗、人机交互及运动科学领域的前沿探索，并为标准化评估流程的建立提供重要支撑。