为了训练RhythmNet，该团队创建了一个大规模的多模态语料库VIPL-HR1。该语料库以开源方式提供，包含了2378个可见光视频和752个近红外视频，涉及107名受试者。每个视频片段都是由网络摄像头和红外传感器以及智能手机捕捉到的，包含了头部运动、头部姿态(带有