有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
YourSkatingCoach|花样滑冰数据集|体育技术数据集
收藏arXiv2024-10-27 更新2024-10-30 收录
下载链接：
http://arxiv.org/abs/2410.20427v1
下载链接
链接失效反馈资源简介：
YourSkatingCoach是由中央研究院信息科学研究所创建的一个大型花样滑冰视频数据集，包含454个跳跃元素的视频。数据集提供了每个视频中检测到的滑冰者骨架以及每个跳跃的开始和结束帧的金标准标签。数据集的创建旨在通过精确的帧标签来帮助分析跳跃的空中时间，从而为教练和运动员提供具体的改进方向。该数据集的应用领域主要集中在体育技术的发展，特别是通过机器学习算法来分析和改进花样滑冰运动员的技能。
提供机构：
中央研究院信息科学研究所
创建时间：
2024-10-27
AI搜集汇总
数据集介绍
构建方式
YourSkatingCoach数据集的构建基于对花样滑冰视频的精细元素分析需求。该数据集包含了454个跳跃元素的视频，每个视频都附有检测到的滑冰者骨架数据以及跳跃开始和结束帧的金标准标签。这些标签由iCoachskating的专家定义，确保了数据的精确性和可靠性。此外，数据集还提供了预处理后的骨架数据，以简化模型的输入准备过程。通过这种方式，YourSkatingCoach数据集为花样滑冰的空中时间检测任务提供了一个全面且高质量的基准。
使用方法
YourSkatingCoach数据集适用于多种机器学习任务，特别是那些需要精细运动分析的应用。研究者可以使用该数据集训练模型来检测花样滑冰中的跳跃空中时间，或者用于开发新的运动分析技术。此外，数据集的精细标签使其非常适合用于评估和改进现有模型的性能。通过使用YourSkatingCoach数据集，研究者可以开发出更精确和有效的运动分析工具，从而为教练和运动员提供更有价值的反馈和指导。
背景与挑战
背景概述
随着体育数据的不断积累，体育分析师开始利用机器学习技术来理解和指导教练与运动员。花样滑冰作为一项包含快速运动、背景变化、空中动作、旋转和艺术表达等复杂元素的运动，为机器学习提供了丰富的研究基础。然而，现有的花样滑冰数据集主要集中在元素分类上，且可用性有限，这大大提高了开发视觉体育技术的门槛。此外，这些数据集在帮助运动员提升技能方面显得过于粗粒度，仅能识别元素的存在，而无法判断元素的质量。为此，Wei-Yi Chen等研究人员于2024年提出了YourSkatingCoach数据集，该数据集包含454个跳跃元素的视频，以及每个视频中检测到的滑冰者骨架和跳跃的开始与结束帧的金标准标签，旨在通过精细的元素分析为教练和运动员提供有价值的参考信息。
当前挑战
YourSkatingCoach数据集在构建过程中面临多项挑战。首先，现有的花样滑冰数据集如FSD-10和MCFS在标签的精细度上不足，无法准确指示滑冰者离开冰面或着陆的帧。其次，这些数据集主要由世界冠军比赛视频组成，而非早期或中期运动员的训练视频，这使得数据集的通用性受限。此外，FSD-10数据集已不再可用，而MCFS仅包含骨架视频，缺乏原始视频数据，这进一步增加了元素分析的难度。为了克服这些挑战，YourSkatingCoach数据集通过提供精细的标签和骨架数据，旨在解决现有数据集的不足，但其仍需面对如何准确检测空中时间、处理快速运动和背景变化等技术难题。
常用场景
经典使用场景
YourSkatingCoach数据集的经典使用场景主要集中在花样滑冰跳跃元素的细粒度分析上。该数据集通过提供454个包含跳跃元素的视频，以及每个视频中检测到的滑冰者骨架和跳跃起始与结束帧的金标准标签，为研究人员提供了一个强大的基准。通过将跳跃的空中时间检测任务视为一个序列标注问题，并采用基于Transformer的模型进行处理，该数据集在精确检测跳跃空中时间方面展示了其优越性。
解决学术问题
YourSkatingCoach数据集解决了花样滑冰领域中长期存在的细粒度元素分析问题。传统数据集主要关注元素分类，而YourSkatingCoach通过引入空中时间检测这一新颖任务，填补了现有数据集在评估跳跃质量方面的空白。这不仅提升了对跳跃技术的理解，还为教练和运动员提供了具体的改进方向，从而推动了视觉体育技术的发展。
实际应用
在实际应用中，YourSkatingCoach数据集为花样滑冰教练和运动员提供了宝贵的工具。通过精确检测跳跃的空中时间，教练可以更准确地评估运动员的技术水平，并提供针对性的训练建议。此外，该数据集的应用不仅限于花样滑冰，还可以扩展到其他涉及快速运动和高难度动作的体育项目，如体操和拳击，从而在更广泛的体育训练和分析中发挥作用。
数据集最近研究
最新研究方向
在花样滑冰领域，最新的研究方向集中在细粒度元素分析上，特别是跳跃动作的空中时间检测。YourSkatingCoach数据集的提出，旨在通过提供包含454个跳跃元素视频及其金标准标签的基准，来解决现有数据集在技能提升方面的不足。研究者们将空中时间检测任务视为一个序列标注问题，并提出了基于Transformer的模型来计算跳跃的持续时间。此外，该研究还探讨了数据集在其他运动中的通用性，通过跨运动任务的动作分类实验，验证了花样滑冰数据集作为其他运动基础的潜力。这些研究不仅提升了花样滑冰技术的分析精度，也为其他快速运动和高动态背景下的运动分析提供了新的思路和方法。
相关研究论文
- 1YourSkatingCoach: A Figure Skating Video Benchmark for Fine-Grained Element Analysis中央研究院信息科学研究所 · 2024年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
poi
本项目收集国内POI兴趣点，当前版本数据来自于openstreetmap。
github 收录
LIDC-IDRI
LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。
OpenDataLab 收录
UniMed
UniMed是一个大规模、开源的多模态医学数据集，包含超过530万张图像-文本对，涵盖六种不同的医学成像模态：X射线、CT、MRI、超声、病理学和眼底。该数据集通过利用大型语言模型（LLMs）将特定模态的分类数据集转换为图像-文本格式，并结合现有的医学领域的图像-文本数据，以促进可扩展的视觉语言模型（VLM）预训练。
github 收录
中亚主要国家的原油资源的储量、产量、消费量及其占世界比重（1985-2016）
中亚五国中，石油资源主要分布在哈萨克斯坦、乌兹别克斯坦、土库曼斯坦三个国家。根据BP世界能源统计年鉴，经整理、抽取、计算和汇总后，形成中亚主要国家（哈萨克斯坦、乌兹别克斯坦、土库曼斯坦）原油资源的储量、产量、消费量及其占世界比重的统计表。 主要指标包括： （1）储量，1991-2016年，单位：百万吨 （2）产量，1985-2016年，单位：百万吨 （3）储产比，1991-2016年，单位：百万吨 （4）消费量，1985-2016年，单位：百万吨 （5）产消差额，1985-2016年，单位：百万吨 此外，以上数据均包括中亚地区的哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、三国汇总以及世界总量的情况。
地球大数据科学工程 收录
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录