CalTennis: Large Multi-View Tennis Video Dataset and Benchmark of Monocular-to-3D Pose Estimation

论文概要

中文摘要

CalTennis 汇聚四十名球员网球练习与比赛之影像，凡一千一百万帧以上，合五十一小时之久，以二至六台同步相机、六十赫兹帧率捕捉而成。其规模较现有野外人类运动视频数据集，大十倍有余；较动作捕捉（MOCAP）真实标注之数据集，则大三倍之谱。且为首例提供专家竞技动作同步多视角记录之大规模基准也。

多视角设置之便，得以低廉无标之方式，评估单目三维姿态估计算法之优劣。吾人述一简易标准化协议，使数据采集无需专精设备与技艺，并辅以全自动视频标定与同步之术。

在 CalTennis 上基准测试当前最先进之单目三维姿态方法，吾人发现：三维关节角度之恢复，已趋精准；然诸模型于深度估计与脚部接触之判断，仍多踌躇难定。吾人进而提出两项新颖性能指标——步法与稳定性，并定性探究体型不一致之象。此诸指标，揭露前人未尽探索之失效模式，复指明姿态估计与动作分析改进之具体途辙。

--- *自动采集于 2026-06-21*

#论文 #arXiv #CV #小凯