要約
動物の姿勢推定は、バイオメカニクス、神経科学、行動学、ロボティクス、エンターテインメント産業などの分野において、動物の運動を理解する上で基本的な役割を果たします。人間の姿勢推定モデルは、大量の訓練データのおかげで高い性能を達成しています。しかし、動物の姿勢推定では同様の結果を得ることが困難であり、これは動物の姿勢データセットが不足しているためです。この問題に対処するために、当研究では SyDog（シンドッグ）という合成データセットを導入しました。SyDog は犬の地面真実（Ground Truth）の姿勢とバウンディングボックス座標を含んでおり、ゲームエンジン Unity を使用して生成されました。我々は SyDog 上で訓練された姿勢推定モデルが純粋に実際のデータで訓練されたモデルよりも優れた性能を達成し、画像のラベリングにかかる労力を大幅に削減できることを示しました。本研究では、SyDog データセットを動物運動に関する研究における訓練および評価ベンチマークとして公開します。