Fine-grained Choreography Dance Dataset

Fine-grained Choreography Dance Dataset是一个高精度、细粒度的舞蹈编排数据集，包含超过 14.6 小时的数据，由 27 位专业舞者在动作捕捉系统下完成，共采集 346 组音乐—舞蹈配对片段，其中约 7.7 小时数据可通过百度网盘获取。数据集采用标准化的 52 关节骨架表示，完整记录身体与手指在三维空间中的精细运动信息，兼顾真实感与艺术表现力。在内容上，该数据集覆盖传统与现代风格在内的 22 种细粒度舞蹈类型，在专业舞蹈艺术家的指导下进行分类，不仅涵盖嘻哈、中国古典舞等常见风格，还首次引入民间舞动作，是目前舞蹈类型最为丰富的 3D 舞蹈数据集之一。所有动作均通过 Vicon 光学动作捕捉系统采集，并在 MotionBuilder 中统一重定向骨架，确保姿态数据的高精度与一致性；同时，舞蹈与音乐在节奏与风格上高度匹配，为舞蹈生成与音乐驱动建模提供了高质量训练数据。Fine-grained Choreography Dance Dataset is a high-precision, fine-grained choreography dance dataset containing over 14.6 hours of motion data. It was collected by 27 professional dancers using a motion capture system, with a total of 346 pairs of music-dance clip segments. Approximately 7.7 hours of this data is available via Baidu Netdisk. The dataset adopts a standardized 52-joint skeleton representation, which fully records fine-grained motion information of the entire body and fingers in 3D space, balancing realism and artistic expressiveness. In terms of content, it covers 22 fine-grained dance styles including traditional and modern genres, which were classified under the guidance of professional dance artists. It not only includes common styles such as hip-hop and Chinese classical dance, but also introduces folk dance movements for the first time, making it one of the most diverse 3D dance datasets currently available in terms of dance categories. All motions were captured using the Vicon optical motion capture system, and the skeletons were uniformly retargeted in MotionBuilder to ensure high precision and consistency of pose data. Meanwhile, the dance and music are highly matched in terms of rhythm and style, providing high-quality training data for dance generation and music-driven modeling.

搜集汇总

数据集介绍

构建方式

在舞蹈艺术与计算机视觉交叉领域，精细编舞数据集通过系统性的采集流程构建而成。研究团队首先定义了涵盖多种舞蹈风格与复杂动作的编舞序列，并利用多视角高清摄像机在受控光照环境下同步录制专业舞者的表演。原始视频数据经过严格的预处理，包括时间同步、镜头校正与背景分割，随后由领域专家进行逐帧的细粒度动作标注，涉及身体关键点、姿势类别以及动作过渡的时序信息，从而形成结构化的多模态数据集合。

特点

该数据集的核心特点在于其精细的注释层次与多模态的数据构成。它不仅提供了高精度的二维与三维人体关键点坐标，还包含了舞蹈动作的语义标签与节奏对齐信息，能够支持从动作识别到生成等多种研究任务。数据覆盖了多样化的舞蹈风格与难度级别，确保了在舞蹈分析任务上的泛化能力。其多视角视频与同步的骨骼数据为三维姿态估计与舞蹈动作合成提供了丰富的上下文信息。

使用方法

研究人员可利用该数据集进行舞蹈动作的细粒度分析与生成建模。典型应用包括基于关键点序列的动作分类与分割、舞蹈动作的跨风格迁移，以及结合音乐节奏的舞蹈生成。使用前需遵循数据许可协议，通常需加载提供的标注文件与视频序列，并利用配套工具包进行数据读取与预处理。数据已划分为训练、验证与测试集，以支持监督学习框架下的模型训练与评估。

背景与挑战

背景概述

细粒度编舞舞蹈数据集（Fine-grained Choreography Dance Dataset）的构建源于计算机视觉与人工智能在艺术表达领域日益增长的研究需求。该数据集由相关研究团队于近年开发，旨在深入探索舞蹈动作的精细分析与生成，核心研究问题聚焦于如何通过算法捕捉舞蹈中微妙的身体姿态变化、节奏同步及情感表达。其创建推动了舞蹈动作识别、生成模型及人机交互等领域的发展，为跨学科研究提供了宝贵的实验基础，尤其在提升舞蹈艺术数字化与智能化水平方面展现出显著影响力。

当前挑战

该数据集致力于解决舞蹈动作细粒度分类与生成的复杂问题，挑战在于舞蹈动作具有高度动态性和主观性，导致模型难以准确区分相似动作的细微差异，如手势幅度或身体转向的微妙变化。在构建过程中，研究人员面临数据采集的困难，包括舞蹈动作的标准化标注、多视角视频同步以及舞蹈风格多样性的覆盖，这些因素均增加了数据集的构建复杂度与标注一致性难度。

常用场景

经典使用场景

在舞蹈艺术与计算机视觉的交叉领域，Fine-grained Choreography Dance Dataset以其精细的动作标注和丰富的舞蹈序列，成为舞蹈动作分析与生成研究的基石。该数据集最经典的使用场景在于支持细粒度舞蹈动作识别与分解任务，研究者能够基于其多层次的时间与空间标注，训练模型以精确解析舞蹈动作的微观结构，如肢体关节的轨迹、姿态的时序演变以及动作单元的组合模式，从而推动舞蹈动作的量化理解与自动化建模。

衍生相关工作

围绕该数据集，已衍生出多项经典研究工作，例如基于深度学习的舞蹈动作生成模型、舞蹈视频与音乐跨模态对齐算法，以及舞蹈动作风格迁移框架。这些工作不仅拓展了舞蹈计算的研究边界，还促进了动作捕捉技术、生成对抗网络及时序建模方法在艺术领域的应用，形成了从数据驱动到模型创新的良性循环。

数据集最近研究

最新研究方向

在舞蹈生成与动作分析领域，细粒度编舞数据集正推动着生成模型向更高精度与艺术性迈进。研究者们聚焦于利用该数据集探索时序动作的细粒度分解与合成，结合扩散模型与强化学习技术，以生成连贯且富有表现力的舞蹈序列。这一方向不仅呼应了虚拟偶像与数字人技术对高质量动作数据的需求，还促进了跨模态理解的发展，使模型能够依据音乐节奏与风格自动生成相应舞蹈，为娱乐产业与文化遗产的数字化保存提供了关键技术支撑。