社会场景的专家级理解需要早期视觉经验（Naveh 等）

数据集获取

源站：https://doi.org/10.17632/m448rzky7y

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 110.7 MB。

数据说明

我们研究了28名晚视力的埃塞俄比亚儿童，他们出生时患有双侧白内障，多年间几乎失明，直到童年晚期才恢复模式视觉。这一“自然实验”为评估早期视觉经验对后期功能获得的因果效应提供了难得的机会。在此，我们聚焦于基于视觉的对人类社会互动的理解。晚视力儿童在对观察到的社交场景进行分类（判断为友好或攻击性）方面，表现差于典型发育的同龄人（尽管仍优于随机水平），且不受呈现形式的影响（即全身视频、静态图像或点光源显示）。他们在识别有助于理解人际互动的单个人属性方面也存在障碍（例如根据生物运动线索判断行进方向，或根据身体姿态手势判断情绪状态）。因此，晚视力儿童对视觉观察到的社交相关动作和身体手势的理解受损。我们得出结论，早期视觉经验对于发展利用视觉线索理解社交场景所需的技能是必要的。

该数据集包含论文《专家级社会场景理解需要早期视觉经验》中实验所用的刺激材料。实验1、2和3的刺激材料基于动作捕捉数据制作成动画，这些数据来自三个数据库：mocap.cs.cmu.edu（由NSF EIA-0196217资助创建）；motekentertainment.com；以及PLAViMoP数据库（https://plavimop.prd.fr/en/motions）。录制的轨迹经过处理，并使用商业软件Autodesk Motion Builder（http://usa.autodesk.com）重新定向到来自Mixamo数据集（https://www.mixamo.com）的虚拟形象模型上，使用了从Mixamo数据集（https://www.mixamo.com）下载的六个虚拟形象的不同组合。实验4的刺激材料基于BESST身体姿势图片集（www.rub.de/neuropsy/BESST.html）中的图像。每个中的面部

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。