GTA-IM (GTA Indoor Motion の正式名) は、GTA ゲーム エンジンによってグランド セフト オート (GTA) ビデオ ゲームから収集された GTA 屋内モーション データ セットです。このデータセットには、3D 人間のポーズとカメラの位置に関する明確な注釈が付いており、人間の外観、屋内環境、カメラの視点、人間の活動の点で非常に多様です。

このデータセットには、解像度 1920 × 1080 ピクセルの 100 万個の RGB-D フレームがあり、グラウンド トゥルース 3D 人間のポーズは 98 関節で、座る、歩く、這う、ドアを開けるなどのさまざまな動作をカバーしています。各シーンには、リビング ルーム、ベッドルーム、キッチンなどの複数の設定が含まれており、シーンとの人間のやり取りを強調します。