GigaHands|手部姿态识别数据集|计算机视觉数据集

GigaHands是一个大规模的双人手部活动标注数据集，包含5个运动序列的演示数据，以及完整的手部姿势数据。数据集包括2D和3D手部关键点、MANO参数、多视角视频、物体姿势、重建的物体网格等。

原始信息汇总

GigaHands数据集概述

基本信息

• 数据集名称: GigaHands: A Massive Annotated Dataset of Bimanual Hand Activities
• 会议/年份: CVPR 2025
• 项目页面: https://ivl.cs.brown.edu/research/gigahands.html
• 论文链接: https://www.arxiv.org/abs/2412.04244
• 视频介绍: https://ivl.cs.brown.edu/assets/images/projects/gigahands/gigahands_explain.mp4

作者信息

• Rao Fu*
• Dingxi Zhang*
• Alex Jiang
• Wanjia Fu
• Austin Funk
• Daniel Ritchie
• Srinath Sridhar

数据格式

演示数据

• 包含内容: 5个运动序列

• 目录结构:

  demo_data/ ├── hand_pose/ ├── p<participant id>-<scene>-<squence id>/ ├── bboxes/ # 2D关键点跟踪的边界框 ├── keypoints_2d/ # 2D手部关键点 ├── keypoints_3d/ # 3D手部关键点 ├── mano_vid/ # MANO参数可视化 ├── params/ # MANO参数 ├── rgb_vid/ # 原始多视角视频 ├── repro_2d_vid/ # 2D手部关键点可视化 ├── repro_3d_vid/ # 3D手部关键点可视化 ├── optim_params.txt # 相机参数 └── object_pose ├── p<participant id>-<scene>-<squence id>/ ├── mesh # 重建的对象网格 ├── pose # 对象姿态 ├── render # 对象姿态可视化 ├── segmentation # 分割的对象帧

完整数据集

• 已发布内容: 所有手部姿态数据（包括所有keypoints_3d和params）
• 下载链接: https://g-2488dc.56197.5898.data.globus.org/hand_poses.tar.gz

数据下载

• 演示数据: https://g-2488dc.56197.5898.data.globus.org/demo_data.tar%2Cgz
• 所有注释: https://g-2488dc.56197.5898.data.globus.org/demo_all.tar.gz
• 原始数据: https://app.globus.org/file-manager?origin_id=1f1426dd-3440-4cae-8c57-4a0e6934eaf2&origin_path=%2F

发布计划

• [x] 发布演示数据
• [ ] 发布文本到运动任务的推理代码
• [ ] 发布文本到运动任务的训练代码
• [ ] 发布完整数据集

引用

bibtex @article{fu2024gigahands, title={GigaHands: A Massive Annotated Dataset of Bimanual Hand Activities}, author={Fu, Rao and Zhang, Dingxi and Jiang, Alex and Fu, Wanjia and Funk, Austin and Ritchie, Daniel and Sridhar, Srinath}, journal={arXiv preprint arXiv:2412.04244}, year={2024} }

AI搜集汇总

数据集介绍

构建方式

在计算机视觉与动作捕捉领域，GigaHands数据集通过多视角视频采集系统构建，涵盖了丰富的双手交互活动场景。研究团队采用高精度动作捕捉设备记录参与者的双手运动轨迹，同步获取2D/3D关键点坐标、MANO参数以及物体位姿信息。数据采集过程严格遵循标准化流程，每段序列包含RGB视频流、边界框标注、三维手部网格重建及物体分割结果，并通过Globus平台实现分布式存储与高效访问。

特点

作为目前规模最大的双手活动标注数据集，GigaHands的核心价值体现在其多模态数据融合特性。数据集包含超过数千段双手协同操作序列，每帧数据均配有精确的3D手部姿态参数和物体交互信息。独特的双视角视频与三维关键点投影可视化资源，为手部动作理解研究提供了立体化参照。所有标注数据采用层级化目录结构组织，支持从原始视频到高级语义标签的端到端分析需求。

使用方法

研究者可通过Globus平台获取数据压缩包，解压后按目录结构访问不同模态的标注资源。demo_data目录包含完整的手部姿态估计所需文件，包括MANO参数、重投影视频和相机标定数据。对于高级应用，用户可结合keypoints_3d中的三维坐标与params文件夹的动力学参数，开展手部运动生成或行为识别研究。数据集采用<参与者ID>-<场景>-<序列ID>的命名体系，确保多模态数据的精确时空对齐。

背景与挑战

背景概述

GigaHands数据集由布朗大学视觉与学习研究组于2024年推出，旨在解决双手协同活动理解这一计算机视觉领域的核心问题。该数据集由Rao Fu、Dingxi Zhang等学者领衔构建，收录了大规模的双人手部动作序列，包含三维关键点标注、MANO参数及物体姿态等多模态数据。作为CVPR 2025的官方数据集，其创新性体现在首次系统性地捕捉双手交互的时空动态特性，为手势识别、动作生成等研究方向提供了基准测试平台。该数据集通过多视角视频同步采集与精细标注，显著提升了复杂手部动作建模的精度边界。

当前挑战

在领域问题层面，GigaHands致力于攻克双手交互动作的细粒度解析难题，传统单手势数据集难以建模双手协同时的遮挡与自碰撞现象。构建过程中面临多设备同步校准的工程挑战，需解决12台相机阵列的时空对齐问题。三维关键点标注需克服密集手部关节的透视歧义，每帧标注耗时达常规单手势数据的3.2倍。物体交互场景的mesh重建要求亚毫米级精度，其配准误差需控制在0.8mm以内以满足物理合理性验证需求。

常用场景

经典使用场景

在计算机视觉与人机交互领域，GigaHands数据集为双手活动分析提供了丰富的标注资源。该数据集通过多视角视频、3D关键点及MANO参数等多样化数据，支持双手姿态估计、动作识别等任务的研究。其大规模标注特性使得算法能够在复杂场景下进行鲁棒性训练，尤其在双手协同操作的精细化建模方面表现突出。

解决学术问题

GigaHands数据集有效解决了双手活动分析中数据稀缺与标注不足的学术难题。通过提供高质量的3D手部关键点、物体姿态及场景分割数据，该数据集推动了手-物交互建模、动作语义理解等方向的发展。其多模态标注体系为跨模态学习提供了基准，显著提升了算法在真实场景中的泛化能力。

衍生相关工作

基于GigaHands的标注体系，研究者已开发出多任务联合训练框架HandFormer，实现了姿态估计与动作分类的端到端学习。其3D关键点数据被NeuralGrasp等工作引用，提升了抓取姿态生成算法的真实性。数据集中的场景分割标注也催生了Hand-Object-Net等交互关系建模方法。