BASKET-Multiview

github2025-08-29 更新2025-08-30 收录

计算机视觉

篮球数据分析

数据链接：

https://github.com/humansensinglab/basket-multiview 数据链接链接失效反馈

官方服务：

资源简介：

我们引入了BASKET-Multiview数据集，这是一个表示常见篮球比赛的合成场景集合。我们提供了全面的注释，包括校准的相机、动画、RGB图像、分割掩码、深度图、表面法线、SMPL网格和动画。所有场景都以1080p/4K和30 fps渲染。

We introduce the BASKET-Multiview dataset, a collection of synthetic scenes representing typical basketball game scenarios. We provide comprehensive annotations including calibrated cameras, animations, RGB images, segmentation masks, depth maps, surface normals, SMPL meshes, and animations. All scenes are rendered at 1080p/4K resolution and 30 frames per second.

创建时间：

2025-08-05

原始信息汇总

BASKET-Multiview 数据集概述

数据集简介

BASKET-Multiview 是一个合成篮球比赛场景数据集，包含常见的篮球战术场景。该数据集提供全面的标注信息，用于支持动态3D场景重建研究。

数据内容

数据类型：多视角视频流
场景内容：篮球比赛常见战术场景
渲染规格：1080p/4K分辨率，30帧/秒
标注信息：
- 标定相机参数
- 动画数据
- RGB图像
- 分割掩码
- 深度图
- 表面法线
- SMPL网格和动画

数据获取

数据集下载说明位于：https://humansensinglab.github.io/basket-multiview/data.html#download_section 提供可视化脚本帮助理解数据集约定

注意事项

SMPL网格是通过拟合真实骨骼获得的，可能不完美。由于许可限制，无法重新分发原始角色资产，研究人员可从原始来源获取完美网格：https://www.fab.com/listings/2eebf211-df72-4daf-a8c4-24bfadba9e7a

引用信息

如需使用本项目，请引用：

@article{10.1145/3731214, author = {Huang, Junkai and Subhajyoti Mallick, Saswat and Amat, Alejandro and Ruiz Olle, Marc and Mosella-Montoro, Albert and Kerbl, Bernhard and Vicente Carrasco, Francisco and De la Torre, Fernando}, title = {Echoes of the Coliseum: Towards 3D Live streaming of Sports Events}, year = {2025}, issue_date = {August 2025}, publisher = {Association for Computing Machinery}, address = {New York, NY, USA}, volume = {44}, number = {4}, issn = {0730-0301}, url = {https://doi.org/10.1145/3731214}, doi = {10.1145/3731214}, journal = {ACM Trans. Graph.}, month = jul, articleno = {46}, numpages = {17}, keywords = {sports events, human-centric events, gaussian splatting, real-time 3D reconstruction} }

搜集汇总

数据集介绍

构建方式

在计算机视觉与体育分析交叉领域，BASKET-Multiview数据集通过合成渲染技术构建，模拟篮球比赛常见场景。该数据集基于多视角视频流，采用1080p/4K分辨率与30帧率渲染，涵盖校准相机参数、角色动画、RGB图像、分割掩码、深度图、表面法线及SMPL网格等多模态标注。通过拟合真实骨骼数据生成人体模型，虽受版权限制无法提供原始角色资产，但为研究者提供了高保真篮球动态场景的合成数据基础。

特点

BASKET-Multiview数据集的核心特点在于其多维度标注的完备性与高精度合成渲染。数据集包含篮球战术场景的全面视觉数据，如多视角RGB序列、精确的分割掩码与深度信息，以及基于SMPL模型的人体网格动画。所有数据均以4K级画质呈现，支持动态3D场景重建与新颖视角生成，为体育事件分析、实时流媒体技术及人体运动建模提供了丰富的研究素材。

使用方法

该数据集的使用需通过官方网页下载，并提供可视化脚本以理解数据规范。研究者可基于多视角图像输入，利用动态高斯溅射优化技术重构3D场景，支持任意视角的交互式渲染。数据集专为4D重建挑战设计，参与者需使用测试相机视角进行动态场景重建，具体提交与评估流程参考竞赛页面指南。适用于体育实时3D流媒体、计算机图形学及多视角几何分析等领域。

背景与挑战

背景概述

BASKET-Multiview数据集由卡内基梅隆大学人类传感实验室于2025年推出，旨在推动体育赛事三维实时流媒体技术的研究进程。该数据集聚焦于篮球比赛场景的多视角动态重建，通过合成技术生成包含常见战术动作的高保真序列，提供摄像机标定、RGB图像、分割掩码、深度图及SMPL网格等全方位标注。其诞生标志着计算机视觉与体育分析领域的深度融合，为三维重建算法提供了前所未有的高质量基准数据。

当前挑战

该数据集核心挑战在于解决动态场景多视角重建中的人物姿态估计与实时渲染难题。具体包括从有限视角推断复杂人体运动的几何一致性约束，以及跨帧动态对象的高精度三维表征。构建过程中面临合成数据与真实场景的域适应问题，同时受限于原始角色资产的许可限制，需通过SMPL模型拟合替代完美网格，这对重建精度提出了额外要求。多模态数据的同步标注与大规模4K视频流的存储优化亦是关键挑战。

常用场景

经典使用场景

在计算机视觉与体育分析交叉领域，BASKET-Multiview数据集为多视角动态场景重建提供了标准化测试平台。其经典应用集中于篮球比赛场景的三维重建与渲染，研究者可利用其多视角视频流、标定参数与丰富注释，训练模型从有限视角推断全局三维动态，尤其适用于运动员动作捕捉、球场空间拓扑还原等任务。该数据集通过合成篮球常见战术场景，确保了数据一致性与标注精确性，成为评估新型重建算法性能的基准。

衍生相关工作

围绕BASKET-Multiview数据集，已衍生出多项经典研究工作，尤以LiveSplats框架为代表，其通过分布式优化与高斯溅射技术实现实时动态重建。该数据集亦支撑了BASKET-Multiview重建挑战赛，推动多视角4D重建算法的比较与进化。相关研究扩展至人体运动预测、场景语义分解与跨模态生成任务，为后续工作如动态神经辐射场（NeRF）优化、轻量化渲染管线设计提供了数据基础与评估标准。

数据集最近研究