Micro-Action 52 dataset (MA-52) & Micro-Action Pro dataset (MA-52-Pro)

The datasets are only to be used for non-commercial scientific purposes. You may request access to the dataset by completing the Google Form provided. We will respond promptly upon receipt of your application. If you have difficulty in filling out the form, we can also accept the application by [email].

Micro-Action 52 dataset (MA-52): https://forms.gle/avQQiRWvbxa1nDFQ6
Micro-Action Pro dataset (MA-52-Pro): https://forms.gle/ALje6GSeh2okHbmx8

原始信息汇总

数据集概述

数据集名称

• Micro-Action 52 (MA-52)

数据集描述

• MA-52 是一个专为微动作识别任务设计的数据集，包含52种微动作类别和7种身体部位标签。该数据集采集自205名参与者的心理访谈视频，共计22,422个视频实例。

数据集特点

• 提供全身视角的微动作数据，包括手势、上肢和下肢运动。
• 数据集旨在揭示全面的微动作线索，适用于情感识别和心理评估等人性化应用。

数据集应用

• 评估微动作网络（MANet）及其他九种流行的动作识别方法。
• MANet结合了挤压和激励（SE）以及时间移位模块（TSM），用于模拟微动作的时空特性。
• 设计了联合嵌入损失，用于视频与动作标签之间的语义匹配，以更好地区分视觉上相似但不同的微动作类别。

数据集下载

• 数据集仅供非商业科学目的使用。
• 可通过Google Form申请访问：Micro-Action 52 dataset (MA-52)
• 如有困难，可通过电子邮件申请：email

数据集统计

• 包含52种微动作类别和7种身体部位标签。
• 数据来自205名参与者，共计22,422个视频实例。

引用信息

@article{guo2024benchmarking, title={Benchmarking Micro-action Recognition: Dataset, Methods, and Applications}, author={Guo, Dan and Li, Kun and Hu, Bin and Zhang, Yan and Wang, Meng}, journal={IEEE Transactions on Circuits and Systems for Video Technology}, year={2024}, publisher={IEEE} doi={10.1109/TCSVT.2024.3358415} }

AI搜集汇总

数据集介绍

构建方式

在微动作识别领域，Micro-Action 52 dataset (MA-52) 和 Micro-Action Pro dataset (MA-52-Pro) 通过创新性地收集心理访谈中的微动作数据，构建了一个包含52种微动作类别的数据集。该数据集不仅涵盖了全身视角的微动作，还包括上肢和下肢的运动，旨在揭示全面的微动作线索。数据集由205名参与者提供，共包含22,422个视频实例，确保了数据的多样性和真实性。

特点

MA-52数据集的显著特点在于其全面性和细致性，不仅包含了52种微动作类别，还附带了七个身体部位的标签，使得研究者能够更精确地分析微动作的时空特征。此外，数据集的构建基于真实的心理访谈场景，确保了微动作的自然性和现实性，为微动作识别任务提供了高质量的训练和测试数据。

使用方法

使用MA-52数据集时，研究者需通过提供的申请表格获取数据访问权限，并确保仅用于非商业科学研究。数据集适用于微动作识别、情感识别及心理评估等领域的研究，尤其适合用于训练和评估基于时空特征建模的深度学习模型。研究者可利用数据集中的视频实例和身体部位标签，进行微动作的分类和检测任务，进一步推动微动作识别技术的发展。

背景与挑战

背景概述

微动作识别在情感识别和心理评估等面向人类应用中具有重要意义。微动作（Micro-Action）是指低强度的非语言行为，尽管其难以察觉，却能揭示个体的情感和意图。为此，研究人员于2024年创新性地构建了Micro-Action-52（MA-52）数据集，并提出了微动作网络（MANet）以解决微动作识别（MAR）任务。MA-52数据集包含52种微动作类别，涵盖全身视角，包括手势、上下肢运动等，共收集了205名参与者的22,422个视频实例，主要来源于心理访谈。该数据集的提出不仅为微动作识别提供了新的基准，还为情感识别等领域的研究提供了重要资源。

当前挑战

微动作识别面临的主要挑战在于其低强度和难以察觉的特性，这使得微动作的识别、区分和理解变得极为复杂。此外，构建MA-52数据集的过程中，研究人员需从心理访谈中提取自然且真实的微动作，确保数据的多样性和代表性。同时，由于微动作在视觉上可能极为相似，如何通过MANet等模型有效区分这些相似的微动作类别，也是当前研究的一大难点。未来，如何在更广泛的场景中应用微动作识别技术，以及如何进一步提升模型的识别精度，仍需进一步探索。

常用场景

经典使用场景

MA-52数据集在微动作识别领域具有经典应用场景，主要用于分析和识别低强度、不易察觉的人体微动作。这些微动作包括身体摇晃、头部转动等，能够揭示个体的情感状态和心理意图。通过该数据集，研究者可以训练和评估微动作识别模型，如MANet，以捕捉和区分这些细微的动作特征，从而在情感识别和心理评估等应用中发挥重要作用。

解决学术问题

MA-52数据集解决了微动作识别领域中的关键学术问题，包括微动作的识别、区分和理解。由于微动作的低强度和不易察觉性，传统的动作识别方法难以有效处理。MA-52通过提供包含52种微动作类别和七个身体部位标签的数据，帮助研究者开发和验证新的识别算法，如MANet，从而提升了微动作识别的准确性和鲁棒性，推动了情感计算和心理评估领域的发展。

衍生相关工作

基于MA-52数据集，研究者已开展了一系列相关工作，包括多标签微动作检测任务的MMA-52数据集的发布，以及微动作分析挑战赛（MAC 2024）的举办。这些工作进一步推动了微动作识别技术的发展，并在情感识别、心理评估等领域取得了显著成果。此外，MANet等模型的提出和优化，也为微动作识别提供了新的方法和思路，促进了该领域的技术进步和应用拓展。