Dancing Stick Figures
一个面向教学目的的轻量级视频生成数据集，包含火柴人跳舞动画，提供64×64和128×128双配置，含丰富的骨架关节点、深度图、法线图等多任务标注，配套免费Colab训练流程
时间轴 (近 90 天)
开发者 sprited-ai 在 Reddit 上分享了名为 Dancing Stick Figures 的教学数据集项目
Dancing Stick Figures 数据集包含 1,430 段六秒短视频片段，合计 514,800 帧带标注画面
数据集提供 64×64 迷你配置，总大小仅 0.85 GB，专为免费 Colab 设计
数据集还提供 128×128 完整配置，为进阶实验保留更丰富的信息
完整数据包含 27 个关节点的 2D 和 3D 位置及可见性标记、深度图、法线图、部件分割图、相机参数和原始运动数据
数据集中每条肢体保持固定的颜色编码，使 NumPy 评分器能自动检测模型生成结果中缺失或脱节的肢体
训练流程为先训练图像基线模型，用图像模型热启动八帧视频基线模型，最终生成 5.6 秒推理输出
热启动的基线模型仅用约 4,000 步就达到了从零训练模型在 10,000 步时的损失水平
作者界定该项目不是完成的视频模型，而是用于动手构建、拆解和理解的小数据集与学习工具
数据集采用 CC0 许可证，代码采用 MIT 协议
还有 2 条时间轴事件
全部知识事实 (12)
代码仓库位于 GitHub 的 sprited-ai/dancing-stick-figures，数据集位于 Hugging Face 的 sprited/dancing-stick-figures
50%待验证Dancing Stick Figures 数据集包含 1,430 段六秒短视频片段，合计 514,800 帧带标注画面
50%待验证数据集提供 64×64 迷你配置，总大小仅 0.85 GB，专为免费 Colab 设计
50%待验证数据集还提供 128×128 完整配置，为进阶实验保留更丰富的信息
50%待验证完整数据包含 27 个关节点的 2D 和 3D 位置及可见性标记、深度图、法线图、部件分割图、相机参数和原始运动数据
50%待验证数据集中每条肢体保持固定的颜色编码，使 NumPy 评分器能自动检测模型生成结果中缺失或脱节的肢体
50%待验证训练流程为先训练图像基线模型，用图像模型热启动八帧视频基线模型，最终生成 5.6 秒推理输出
50%待验证热启动的基线模型仅用约 4,000 步就达到了从零训练模型在 10,000 步时的损失水平
50%待验证作者界定该项目不是完成的视频模型，而是用于动手构建、拆解和理解的小数据集与学习工具
50%待验证数据集采用 CC0 许可证，代码采用 MIT 协议
50%待验证项目配套提供了免费 Colab 笔记本、小型参考基线模型、预训练检查点和 NumPy 评分器
50%待验证开发者 sprited-ai 在 Reddit 上分享了名为 Dancing Stick Figures 的教学数据集项目
50%