Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.02845

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.02845 (cs)
[提交于 2025年6月3日 (v1) ,最后修订 2025年6月4日 (此版本, v2)]

标题: 超越地球:理解微重力环境中的人类行为与场景

标题: Go Beyond Earth: Understanding Human Actions and Scenes in Microgravity Environments

Authors:Di Wen, Lei Qi, Kunyu Peng, Kailun Yang, Fei Teng, Ao Luo, Jia Fu, Yufan Chen, Ruiping Liu, Yitian Shi, M. Saquib Sarfraz, Rainer Stiefelhagen
摘要: 尽管在视频理解方面取得了显著进展,但大多数现有的数据集都局限于地球的重力条件。 然而,微重力会改变人类的动作、互动以及视觉语义,揭示了现实世界视觉系统的一个关键差距。 这为安全关键的空间应用中的领域鲁棒视频理解带来了挑战。 为了解决这一问题,我们引入了MicroG-4M,这是首个用于微重力环境下人体活动时空和语义理解的数据集。 该数据集基于真实世界的太空任务和电影模拟构建,包括4759个片段,涵盖50种动作、1238条上下文丰富的描述以及超过7000组关于宇航员活动和场景理解的问题-答案对。 MicroG-4M支持三个核心任务:细粒度多标签动作识别、时间视频描述以及视觉问答,能够全面评估微重力环境下的空间定位和语义推理能力。 我们使用最先进的模型建立了基线。 所有数据、标注和代码均可在https://github.com/LEI-QI-233/HAR-in-Space获取。
摘要: Despite substantial progress in video understanding, most existing datasets are limited to Earth's gravitational conditions. However, microgravity alters human motion, interactions, and visual semantics, revealing a critical gap for real-world vision systems. This presents a challenge for domain-robust video understanding in safety-critical space applications. To address this, we introduce MicroG-4M, the first benchmark for spatio-temporal and semantic understanding of human activities in microgravity. Constructed from real-world space missions and cinematic simulations, the dataset includes 4,759 clips covering 50 actions, 1,238 context-rich captions, and over 7,000 question-answer pairs on astronaut activities and scene understanding. MicroG-4M supports three core tasks: fine-grained multi-label action recognition, temporal video captioning, and visual question answering, enabling a comprehensive evaluation of both spatial localization and semantic reasoning in microgravity contexts. We establish baselines using state-of-the-art models. All data, annotations, and code are available at https://github.com/LEI-QI-233/HAR-in-Space.
评论: 15页,3个图,代码可在https://github.com/LEI-QI-233/HAR-in-Space获取
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.02845 [cs.CV]
  (或者 arXiv:2506.02845v2 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.02845
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Di Wen [查看电子邮件]
[v1] 星期二, 2025 年 6 月 3 日 13:15:19 UTC (1,502 KB)
[v2] 星期三, 2025 年 6 月 4 日 14:43:51 UTC (863 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号