PATS 手势识别数据集

PATS 全称 Pose Audio Transcript Style，由多样化且大量对齐的姿势、音频和文字记录组成。该数据集包含 25 个人的语音记录，总计 250 个小时以上，并且手势匹配。

PATS, an acronym for Pose Audio Transcript Style, is a dataset composed of a large-scale and diverse collection of aligned pose, audio and transcript data. The dataset includes speech recordings from 25 individuals, with a total duration of over 250 hours, and the gestures (poses) are matched to the corresponding speech content.

搜集汇总

背景与挑战

背景概述

PATS手势识别数据集是一个多模态数据集，全称Pose Audio Transcript Style，包含25个人的超过250小时语音记录，并配有对齐的手势数据。该数据集适用于非商业用途，主要用于动作识别和图像识别等任务。