InterAct retarget

这是InterAct数据集的版本，以fbx和bvh格式导出，并应用了不同的蒙皮角色。该数据集与lafan1-resolved、zeroeggs-retarget、motorica-retarget和100style-retarget兼容。提供了单人和多人两个版本的数据，分别针对不同的重定向需求。

This is a version of the InterAct dataset, exported in FBX and BVH formats with different skinned characters applied. This dataset is compatible with lafan1-resolved, zeroeggs-retarget, motorica-retarget, and 100style-retarget. Two variants, single-person and multi-person, are provided to cater to different retargeting needs.

原始信息汇总

InterAct Retarget 数据集概述

数据集简介

InterAct Retarget 是 InterAct 数据集的导出版本，采用 FBX 和 BVH 格式，并应用了不同的蒙皮角色。

数据集内容

• 数据格式：FBX 和 BVH
• 角色模型：包含在 Geno.fbx 中，免费用于非商业研究用途
• 版本类型：
  • Single 版本：每个角色独立处理，每个片段独立重定向和导出，提供最佳重定向质量，但同一交互中的片段不再匹配
  • Multi 版本：重定向时不调整角色比例，保持交互的完整性，但可能因角色尺寸差异引入重定向问题

兼容性

• lafan1-resolved
• zeroeggs-retarget
• motorica-retarget
• 100style-retarget

可视化工具

• GenoView
• GenoViewPython

下载链接

• BVH Single 数据：https://theorangeduck.com/media/uploads/Geno/interact-retarget/bvh_single.zip
• BVH Multi 数据：https://theorangeduck.com/media/uploads/Geno/interact-retarget/bvh_single.zip
• FBX Single 数据：https://theorangeduck.com/media/uploads/Geno/interact-retarget/fbx_single.zip
• FBX Multi 数据：https://theorangeduck.com/media/uploads/Geno/interact-retarget/fbx_single.zip

许可信息

• 遵循原始数据集的相同条款
• 不允许商业使用

引用要求

bibtex @article{huang2024interact, title={InterAct: Capture and Modelling of Realistic, Expressive and Interactive Activities between Two Persons in Daily Scenarios}, author={Yinghao Huang and Leo Ho and Dafei Qin and Mingyi Shi and Taku Komura}, year={2024}, eprint={2405.11690}, archivePrefix={arXiv}, primaryClass={cs.CV} }

搜集汇总

数据集介绍

构建方式

在计算机视觉与运动捕捉领域，InterAct retarget数据集基于原始InterAct数据集，通过重新绑定至统一骨骼角色Geno构建而成。该过程采用两种技术路径：单角色独立处理以优化运动质量，以及多角色协同处理以保持交互空间关系。数据以FBX和BVH格式导出，确保兼容性与实用性，为非商业研究提供高质量的运动重定向资源。

特点

InterAct retarget数据集的核心特点在于其双版本设计，分别针对运动质量与交互保真度进行优化。单版本通过尺度调整提升动作自然度，多版本则严格保持角色间相对位姿以支持交互分析。数据集提供标准化骨骼结构与高质量网格模型，支持多种运动处理框架，为人体运动合成与交互研究提供丰富且一致的基准数据。

使用方法

该数据集可直接通过提供的下载链接获取FBX或BVH格式文件，并兼容lafan1-resolved、motorica-retarget等主流运动处理工具链。研究人员可借助GenoView等可视化工具进行数据预览与分析，适用于运动重定向、交互行为建模及动画生成等任务。使用时需遵循非商业许可协议，并引用原始InterAct论文以符合学术规范。

背景与挑战

背景概述

InterAct retarget数据集源于2024年香港大学计算机图形学团队开发的InterAct原始数据集，由黄英浩、Leo Ho等学者主导构建。该数据集专注于双人日常交互动作的捕捉与建模，旨在推动计算机视觉与动画领域中真实感人体运动合成的研究。通过将原始动作数据重定向到统一骨骼架构Geno角色上，该数据集为多角色交互动作的协同分析与生成提供了标准化基准，显著提升了虚拟角色动画的自然度与协调性表现。

当前挑战

该数据集核心挑战在于解决异源角色运动数据间的空间尺度适配问题。在构建过程中，需平衡骨骼比例差异导致的运动失真与多角色交互的空间一致性矛盾：单角色独立重定向虽能优化局部动作质量，却破坏了交互对的相对位姿；而多角色统一重定向虽保留空间关系，但易引发肢体过度弯曲等运动异常。此外，需确保重定向后数据与主流动画工具链的兼容性，同时严格遵守非商业许可的学术合规要求。

常用场景

经典使用场景

在计算机视觉与动画生成领域，InterAct retarget数据集为双人交互动作的重定向研究提供了标准化测试平台。该数据集通过FBX和BVH格式存储的骨骼动画数据，支持研究者将原始动作数据适配到不同体型的虚拟角色上。其经典应用场景包括构建自然的人物互动动画序列，为运动合成算法提供高质量的配对动作样本，特别是在需要保持空间交互一致性的场景中展现重要价值。

实际应用

在虚拟现实与游戏开发领域，该数据集可直接应用于生成具有自然交互行为的虚拟角色动画。通过其提供的重定向数据，开发者能够快速将捕捉的真实人类动作适配到游戏角色模型，显著提升角色互动的真实感。在影视特效制作中，该数据集支持创建逼真的数字替身互动场景，特别是在需要大量人物群组交互的镜头中，大幅降低了动作捕捉的后期处理成本。

衍生相关工作

基于该数据集衍生的经典工作包括lafan1-resolved运动解析框架、zeroeggs-retarget重定向系统以及motorica-retarget运动控制方案。这些工作通过利用数据集提供的标准化重定向数据，分别解决了运动数据修复、多风格运动迁移和实时运动控制等关键问题。100style-retarget项目进一步扩展了数据集的应用边界，实现了跨风格运动重定向，为个性化虚拟角色动画生成奠定了技术基础。