Nexdata/3D_Instance_Segmentation_and_22_Landmarks_Annotation_Data_of_Human_Body

--- YAML tags: - copy-paste the tags obtained with the tagging app: https://github.com/huggingface/datasets-tagging --- # Dataset Card for Nexdata/3D_Instance_Segmentation_and_22_Landmarks_Annotation_Data_of_Human_Body ## Table of Contents - [Table of Contents](#table-of-contents) - [Dataset Description](#dataset-description) - [Dataset Summary](#dataset-summary) - [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards) - [Languages](#languages) - [Dataset Structure](#dataset-structure) - [Data Instances](#data-instances) - [Data Fields](#data-fields) - [Data Splits](#data-splits) - [Dataset Creation](#dataset-creation) - [Curation Rationale](#curation-rationale) - [Source Data](#source-data) - [Annotations](#annotations) - [Personal and Sensitive Information](#personal-and-sensitive-information) - [Considerations for Using the Data](#considerations-for-using-the-data) - [Social Impact of Dataset](#social-impact-of-dataset) - [Discussion of Biases](#discussion-of-biases) - [Other Known Limitations](#other-known-limitations) - [Additional Information](#additional-information) - [Dataset Curators](#dataset-curators) - [Licensing Information](#licensing-information) - [Citation Information](#citation-information) - [Contributions](#contributions) ## Dataset Description - **Homepage:** https://www.nexdata.ai/datasets/1040?source=Huggingface - **Repository:** - **Paper:** - **Leaderboard:** - **Point of Contact:** ### Dataset Summary 18,880 Images of 466 People - 3D Instance Segmentation and 22 Landmarks Annotation Data of Human Body. The dataset diversity includes multiple scenes, light conditions, ages, shooting angles, and poses. In terms of annotation, we adpoted instance segmentation annotations on human body. 22 landmarks were also annotated for each human body. The dataset can be used for tasks such as human body instance segmentation and human behavior recognition. For more details, please refer to the link: https://www.nexdata.ai/datasets/1040?source=Huggingface ### Supported Tasks and Leaderboards instance-segmentation, computer-vision,image-segmentation: The dataset can be used to train a model for computer vision. ### Languages English ## Dataset Structure ### Data Instances [More Information Needed] ### Data Fields [More Information Needed] ### Data Splits [More Information Needed] ## Dataset Creation ### Curation Rationale [More Information Needed] ### Source Data #### Initial Data Collection and Normalization [More Information Needed] #### Who are the source language producers? [More Information Needed] ### Annotations #### Annotation process [More Information Needed] #### Who are the annotators? [More Information Needed] ### Personal and Sensitive Information [More Information Needed] ## Considerations for Using the Data ### Social Impact of Dataset [More Information Needed] ### Discussion of Biases [More Information Needed] ### Other Known Limitations [More Information Needed] ## Additional Information ### Dataset Curators [More Information Needed] ### Licensing Information Commerical License: https://drive.google.com/file/d/1saDCPm74D4UWfBL17VbkTsZLGfpOQj1J/view?usp=sharing ### Citation Information [More Information Needed] ### ContributionsYAML 标签： - 复制通过标注工具获取的标签：https://github.com/huggingface/datasets-tagging --- # 数据集卡片：Nexdata/人体三维实例分割与22个关键点标注数据集 ## 目录 - [目录](#目录) - [数据集描述](#数据集描述) - [数据集概述](#数据集概述) - [支持任务与评测榜单](#支持任务与评测榜单) - [语言](#语言) - [数据集结构](#数据集结构) - [数据实例](#数据实例) - [数据字段](#数据字段) - [数据划分](#数据划分) - [数据集构建](#数据集构建) - [构建依据](#构建依据) - [源数据](#源数据) - [标注信息](#标注信息) - [个人与敏感信息](#个人与敏感信息) - [数据集使用注意事项](#数据集使用注意事项) - [数据集的社会影响](#数据集的社会影响) - [偏差分析](#偏差分析) - [其他已知局限性](#其他已知局限性) - [附加信息](#附加信息) - [数据集构建者](#数据集构建者) - [许可信息](#许可信息) - [引用信息](#引用信息) - [贡献](#贡献) ## 数据集描述 - **主页：** https://www.nexdata.ai/datasets/1040?source=Huggingface - **代码仓库：** - **论文：** - **评测榜单：** - **联系人：** ### 数据集概述 本数据集包含466名受试者的18880张图像，为人体三维实例分割（3D Instance Segmentation）与22个人体关键点（22 Landmarks）标注数据集。数据集涵盖多场景、不同光照条件、多年龄段、多拍摄角度与多种姿态。标注环节中，我们采用了人体实例分割标注，并为每一个人体目标标注了22个关键点。本数据集可用于人体实例分割、人体行为识别等计算机视觉任务。 如需了解更多细节，请访问链接：https://www.nexdata.ai/datasets/1040?source=Huggingface ### 支持任务与评测榜单 实例分割、计算机视觉、图像分割：本数据集可用于训练计算机视觉相关模型。 ### 语言 英语 ## 数据集结构 ### 数据实例：[需更多信息] ### 数据字段：[需更多信息] ### 数据划分：[需更多信息] ## 数据集构建 ### 构建依据：[需更多信息] ### 源数据 #### 初始数据收集与标准化：[需更多信息] #### 源数据语言生成者：[需更多信息] ### 标注信息 #### 标注流程：[需更多信息] #### 标注人员：[需更多信息] ### 个人与敏感信息：[需更多信息] ## 数据集使用注意事项 ### 数据集的社会影响：[需更多信息] ### 偏差分析：[需更多信息] ### 其他已知局限性：[需更多信息] ## 附加信息 ### 数据集构建者：[需更多信息] ### 许可信息：商业许可：https://drive.google.com/file/d/1saDCPm74D4UWfBL17VbkTsZLGfpOQj1J/view?usp=sharing ### 引用信息：[需更多信息] ### 贡献：[需更多信息]

原始信息汇总

数据集概述

数据集描述

数据集总结

• 内容: 包含18,880张图像，涉及466人，用于3D实例分割和人体22个地标标注。
• 多样性: 涵盖多种场景、光照条件、年龄、拍摄角度和姿势。
• 标注: 采用实例分割标注人体，并为每个人体标注22个地标。
• 应用: 适用于人体实例分割和人类行为识别等任务。

支持的任务和排行榜

• 任务: 实例分割、计算机视觉、图像分割。
• 用途: 用于训练计算机视觉模型。

语言

• 语言: 英语。

数据集结构

数据实例

• 信息: 待补充。

数据字段

• 信息: 待补充。

数据分割

• 信息: 待补充。

数据集创建

来源数据

• 初始数据收集和标准化: 待补充。
• 源语言生产者: 待补充。

标注

• 标注过程: 待补充。
• 标注者: 待补充。

个人和敏感信息

• 信息: 待补充。

使用数据的考虑

数据集的社会影响

• 信息: 待补充。

偏见的讨论

• 信息: 待补充。

其他已知限制

• 信息: 待补充。

附加信息

数据集管理者

• 信息: 待补充。

许可证信息

• 许可证: 商业许可证，详情见链接: 商业许可证。

引用信息

• 信息: 待补充。

贡献

• 信息: 待补充。

搜集汇总

数据集介绍

构建方式

在人体解析与行为识别领域，高质量的三维实例分割与关键点标注数据是推动算法精度提升的关键。Nexdata/3D_Instance_Segmentation_and_22_Landmarks_Annotation_Data_of_Human_Body数据集基于对466名受试者采集的18,880张图像构建而成。数据采集覆盖多元场景、光照条件、年龄层次、拍摄视角及姿态变化，确保样本的丰富性与代表性。标注工作采用实例分割技术对每个人体轮廓进行精细勾勒，同时为每个实例标注22个关键地标点，形成兼具语义与几何信息的标注体系。该数据集以商业授权形式提供完整版本，当前HuggingFace页面展示为样本子集。

特点

该数据集的核心特点在于其多维度的标注融合与场景多样性。实例分割标注精准区分图像中的人体个体，为复杂场景下的目标分离提供基础；22个关键地标点覆盖人体主要关节点与轮廓特征点，支持从姿态估计到行为分析的精细化研究。数据采集兼顾室内外环境、不同年龄段及自然姿态，有效降低模型对特定场景或人群的过拟合风险。此外，数据集采用商业许可协议，适用于工业级计算机视觉任务的训练与评估，尤其适合人体实例分割与行为识别等前沿课题。

使用方法

使用本数据集时，研究者可将其直接加载至计算机视觉框架中进行模型训练。针对人体实例分割任务，可基于分割掩码构建如Mask R-CNN或YOLACT等网络；对于关键点检测，22个地标点坐标可作为回归或热图预测的目标。建议将数据集按比例划分为训练集、验证集与测试集，以评估模型泛化能力。由于数据集提供的是样本子集，完整版本需通过官方链接获取。使用时需遵守商业许可条款，避免超出授权范围的应用场景。

背景与挑战

背景概述

在计算机视觉领域，人体解析与行为理解是极具挑战性的研究方向，其核心在于从复杂场景中精确提取人体实例及其关键结构信息。由Nexdata团队于近年构建的3D实例分割与22个人体关键点标注数据集，正是为应对这一需求而生。该数据集包含来自466名个体的18,880张图像，覆盖多种场景、光照条件、年龄层次、拍摄角度与姿态，旨在为人体实例分割与行为识别任务提供高质量的标注数据。其独特的22个人体关键点标注，不仅支持精细的姿态估计，还为三维人体重建与交互分析奠定了基础。该数据集的发布，显著推动了人体感知技术从二维到三维、从粗粒度到细粒度的跨越，对智能监控、人机交互及增强现实等领域产生了深远影响。

当前挑战

该数据集所解决的领域问题在于，现有的人体解析方法多局限于二维边界框或粗略分割，难以应对真实世界中人体姿态多变、遮挡严重及光照复杂的场景。具体挑战包括：1）三维实例分割的精确性，需在密集人群或部分遮挡条件下区分个体并恢复其完整轮廓；2）22个关键点的稳定定位，尤其在非正面视角或快速运动时，需克服自遮挡与形变带来的歧义。在构建过程中，挑战同样显著：3）数据采集需协调多场景、多光照条件，确保样本的多样性与代表性；4）人工标注需在三维空间中标记关键点与分割掩膜，对标注者的专业技能要求极高，且需保证跨样本的一致性，以避免噪声干扰模型训练。

常用场景

经典使用场景

该数据集聚焦于人体三维实例分割与22个关键点标注，为计算机视觉领域提供了精细且多维度的人体解析数据。其经典使用场景在于训练深度学习模型实现人体轮廓的精准分割与关键部位定位，尤其适用于复杂场景下的多人体交互分析。数据集中涵盖多样化的光照条件、拍摄角度、年龄层次与姿态变化，使得模型能够学习到鲁棒的人体表征，从而在拥挤环境或动态视频流中稳定输出实例级分割结果与关键点坐标。

解决学术问题

在学术研究中，该数据集有效解决了人体解析任务中标注数据匮乏与场景单一化的问题。传统人体分割数据集多局限于二维平面或简单背景，而此数据集通过三维实例分割与22个语义关键点的联合标注，为人体姿态估计、行为识别与细粒度人体结构理解提供了基准资源。它推动了从静态图像到动态场景、从单人到多人交互的算法演进，尤其在应对遮挡、形变与光照变化等挑战时，显著提升了模型的泛化能力与准确性。

衍生相关工作

围绕该数据集，衍生出了一系列经典研究工作。基于其三维实例分割标注，研究者提出了多任务学习框架，将人体分割与关键点检测联合优化，提升了端到端模型的效率；同时，针对关键点遮挡问题，开发了基于图卷积网络的推理方法，利用人体拓扑结构补全缺失点。此外，该数据集还催生了跨模态融合研究，如结合深度图与RGB图像的人体重建算法，进一步拓展了其在增强现实与自动驾驶行人感知中的应用边界。