AustonLu/tacspike-marker-displacement-1khz

TacSpike Marker Displacement 1kHz

数据集简介

这是 TacSpike 项目的 1kHz 视触觉事件数据集发布版，任务为 marker displacement field 回归。数据由原始触觉帧/视频经过 v2e + SuperSloMo 生成 1kHz DVS-like 事件，再按 20ms window 和 1ms stride 整理成 sequence HDF5。

dataset: tacspike-marker-displacement-1khz
version: v1.0.0
task: marker_displacement
event_source: v2e_superslomo_1khz
timestamp_resolution_ms: 1.0
window_ms: 20.0
stride_ms: 1.0
bins: 20
voxel_shape: [20, 2, 128, 128]
source_dataset: Touch-and-Go GelSight videos and marker tracking

文件结构

README.md                         # Hugging Face dataset card
README_DATA.md                    # 数据包内说明
VERSION
metadata.json
SHA256SUMS.txt
summary.json
manifest_sequences.csv
manifest_windows.csv
verification_report.json
baseline_report.json
DATA_LICENSE
LICENSE
CITATION.cff
examples/
  inspect_h5_schema.py
  quickstart_slip.py
  quickstart_marker.py
sequences/
  train/{sequence_id}.h5
  val/{sequence_id}.h5
  test/{sequence_id}.h5

数据规模

num_sequences: 140
num_sequences_by_split: {'train': 98, 'val': 21, 'test': 21}
num_windows: 39071182
split_counts: train: 27694993 / val: 4426587 / test: 6949602
mean_event_count_per_window: 380.8490045681239
empty_window_ratio: 0.00453579827710357

Marker 标签统计

k_ms: 20.0
mean_valid_marker_ratio: 0.9421208500862122
mean_incremental_epe_px: 0.06196362152695656

HDF5 结构

每个 sequence 文件是一个独立 HDF5 文件，根属性中包含 sequence_id、format、height、width、bins、window_ms、stride_ms 等字段。

events/
  t                         # float64, 秒，1ms 网格上的事件时间戳
  x                         # int, [0, width)
  y                         # int, [0, height)
  p                         # int, 0/1 polarity
windows/
  t_start                   # 每个训练窗口起点
  t_end                     # 每个训练窗口终点
  t_label                   # 该窗口对应的标签时刻
  event_count               # 该窗口内事件数
label/
    marker_ref
    marker_cur
    marker_disp_abs
    marker_disp_inc
    valid_mask

默认输入语义是：对每个 windows[i]，取 [t_start[i], t_end[i]] 内的事件，动态 voxelize 成 (20, 2, 128, 128)；窗口长度为 20ms，stride 为 1ms。

快速使用

安装最小依赖：

python -m pip install numpy h5py

在下载后的数据集根目录运行：

python examples/inspect_h5_schema.py --data-root .
python examples/quickstart_marker.py --data-root .

如果在代码仓库中使用完整工具链，可以运行：

python scripts/verify_dataset.py --input /path/to/dataset --task marker_displacement
python scripts/train_baseline.py --input /path/to/dataset --task marker_displacement --max-train-samples 2000 --max-eval-samples 500 --epochs 1

Baseline

baseline_report.json 中记录的是轻量 CNN baseline，主要用于验证数据读取、label 对齐和训练流程，不代表最终 SNN 性能。

{
  "cnn": {
    "epe_px": 0.08705447187635991,
    "mae_px": 0.055519663913654795
  },
  "device": "cuda",
  "epochs": 1,
  "eval_samples": 5000,
  "num_markers": 16,
  "sequence_input": true,
  "task": "marker_displacement",
  "train_samples": 20000,
  "zero_motion_baseline": {
    "epe_px": 0.07006863607445758,
    "mae_px": 0.04468855678610733
  }
}

校验

下载或迁移数据后建议先做校验：

sha256sum -c SHA256SUMS.txt
python examples/inspect_h5_schema.py --data-root .

已知限制

• 不同 sequence 的 marker 数量不同，训练和评估时必须使用 valid_mask。

• 20ms incremental displacement 中近零运动占比较高，应报告 displacement magnitude 分桶指标。

• 本数据集是由现有触觉数据集派生得到的事件数据，正式公开使用时应同时遵守原始数据集、v2e、SuperSloMo 及本发布包的许可要求。

• 当前数据标签和事件均按 1ms 时间栅格组织，适合 1kHz 级滑移检测或触觉运动估计实验；如果模型使用不同采样频率，需要显式重新定义 window/stride。

许可

本数据集使用 license: other。数据文件是派生数据，二次分发和使用须遵守原始数据集及相关工具/模型权重的许可。详见 DATA_LICENSE 和 LICENSE。在原始数据许可完全确认之前，不应把本发布包标成 MIT、Apache、CC-BY 或 CC0。

引用

请引用 CITATION.cff 中的 TacSpike 数据集条目，并同时引用对应的原始数据集、v2e 和 SuperSloMo。后续论文/DOI 确定后，应更新本 dataset card、CITATION.cff 和 GitHub README。