该数据集是迄今为止最大的视频数据集，其中包含了全面的人类-物体交互（HOI）注释。它汇集了来自社交媒体的、展现非剧本化人类活动在动态和非结构化环境中的视频。该数据集涵盖了78个物体类别和50种关系类别，其中包括动作和空间关系，其中一半涉及时间关系。其规模宏大，包含7122个视频、75.5万个HOI实例和730万关键帧。该数据集的任务是进行基于视频的人类-物体交互（V-HOI）检测。

arXiv870

Passenger Behavior Recognition Data

资源简介：

相关数据集