解读儿童的步态行为

我们为人类动作识别引入了一个新的问题领域：从标准 RGB 视频中对儿童步态行为进行细粒度分析。我们专门针对 3-17 岁儿童的行走模式。这种行为在几种严重的发育和神经肌肉疾病（例如脑瘫和偏瘫）的诊断和治疗中自然出现。尽管具有临床价值，但当前基于 3D 传感器的步态分析系统价格昂贵、具有侵入性，而且对于年轻受试者来说通常不切实际。为了解决这个问题，我们引入了一个新的数据集，其中包含来自 110 名受试者的 1,100 多个高帧率 (60 FPS) 视频序列，并附有同步的匿名姿势序列。在每次训练中，孩子都会执行 5 秒的“走动”任务，从多个角度捕捉步态周期。至关重要的是，我们证明了当前最先进的方法，包括步态基础模型和多模态 大语言模型 (MLLM)，无法有效解决这些临床细微差别。我们确定了分析这些不稳定和微妙的运动模式的关键技术挑战，并描述了一个统一的端到端框架来解码儿科步态的基本组成部分。通过全面的实验结果，我们证明了该数据集在推动新颖的研究问题并为自动儿童步态评估建立严格的基线方面的潜力。