RekaDaily-10k-raw
收藏资源简介：
RekaDaily-10k (raw) 是一个面向自我中心（第一人称）日常生活的原始视频数据集。该数据集通过 Reka 的 Claru 数据收集市场，由付费收集者在其家中和工作场所使用头戴式或手持手机录制，覆盖多个地理区域。视频内容为未剪辑、自发的日常活动，未经过重新编码、裁剪或除基本完整性检查之外的筛选。当前发布版本包含约 1,883 小时、82,244 个视频，存储为 4,015 个 WebDataset tar 存档（每个约 5-8 GB），并正在逐步增长至完整的 10,312 小时。数据按项目组织，例如 egocentric_household_tasks、video_capture 等。每个视频附带一个 JSON 侧边文件，包含元数据字段：video_id（唯一标识）、project（收集项目）、flow/activities（活动分类）、category/subcategory（类别分类）、lighting（光照条件）、duration_s（时长）、fps（帧率）、width/height（分辨率）、num_frames（帧数）、codec（编码格式）、collector（收集者哈希值）。元数据也以 parquet 格式提供：browse.parquet 包含缩略图，index.parquet 不含缩略图。该数据集已移除容器元数据（GPS、设备标识符、时间戳）并经过自动 PII 筛查，但筛查不完美，如有问题可联系删除。适用任务包括自我中心视频分类、日常活动识别、视频理解、图像到视频的转换等。许可为 Apache 2.0，允许商业使用和再分发。
RekaDaily-10k (raw) is a raw video dataset of egocentric (first-person) daily life. The dataset was collected via Rekas Claru data collection marketplace, recorded by paid collectors in their homes and workplaces using head-mounted or handheld phones, covering multiple geographic regions. The video content consists of unedited, spontaneous daily activities, without re-encoding, cropping, or filtering beyond basic integrity checks. The current release contains approximately 1,883 hours, 82,244 videos, stored as 4,015 WebDataset tar archives (each about 5-8 GB), and is gradually growing to the full 10,312 hours. Data is organized by project, such as egocentric_household_tasks, video_capture, etc. Each video is accompanied by a JSON sidecar file containing metadata fields: video_id (unique identifier), project (collection project), flow/activities (activity classification), category/subcategory (category classification), lighting (lighting conditions), duration_s (duration), fps (frame rate), width/height (resolution), num_frames (number of frames), codec (encoding format), collector (collector hash). Metadata is also provided in parquet format: browse.parquet includes thumbnails, index.parquet does not. The dataset has removed container metadata (GPS, device identifiers, timestamps) and undergone automatic PII screening, but screening is not perfect; contact for removal if issues arise. Applicable tasks include egocentric video classification, daily activity recognition, video understanding, image-to-video conversion, etc. The license is Apache 2.0, allowing commercial use and redistribution.
RekaDaily-10k (raw) 数据集详情
数据集概述
RekaDaily-10k (raw) 是一个通过 Reka 旗下的 Claru 数据采集市场收集的无脚本、第一人称视角日常视频数据集，由付费采集者在不同地区的家庭和工作场所，使用头戴式或手持手机录制。当前发布约 1,883 小时 / 82,244 个视频 / 4,015 个分片（shards），并正在增量扩展至完整的 10,312 小时发布版本。视频保持原始状态，未经过重新编码或裁剪，仅进行了基础完整性检查。
数据集结构
- 视频被打包为 WebDataset tar 存档（约 5-8 GB），按采集项目组织
data/<project>/shard-NNNNN.tar：包含视频文件与对应 JSON 元数据metadata/browse.parquet：每个视频一行，包含缩略图及全部元数据字段metadata/index.parquet：不含缩略图的元数据字段sample/：约 400 个松散视频，便于快速浏览- 支持通过 WebDataset 阅读器直接加载数据分片
元数据字段
每个视频的 JSON 伴生文件及 parquet 表包含以下字段：
| 字段 | 说明 |
|---|---|
video_id |
唯一标识，与媒体文件名一致 |
project |
Claru 采集项目名称 |
flow、activities |
活动分类（activities 类项目）：会话场景与执行动作 |
category、subcategory |
类别分类（video-capture 类项目） |
lighting |
采集时的光照条件 |
duration_s、fps、width、height、num_frames、codec |
视频探测统计信息 |
collector |
加盐哈希的采集者 ID，不同值约等于不同录制环境 |
根据项目类型，每个视频填充一类分类体系（flow/activities 或 category/subcategory）。
采集项目
包含以下项目：egocentric_household_tasks、egocentric_household_tasks_usa、egocentric_commercial_environments、residential_egocentric_latam_upload_via_claru、video_capture_activities、video_capture、video_capture_first_person_videos_phone。
数据配置
- browse（默认）：每行含缩略图及全部元数据，适合快速浏览
- metadata：不含缩略图的元数据，适合轻量级程序化读取
隐私与合规
- 采集者为知情同意的付费承包商，录制前获得佩戴者同意
- 要求征得其他在场成人同意，并尽量避免他人入镜
- 所有视频已移除容器元数据（GPS 坐标、设备标识符、录制时间戳），并经过自动化 PII 筛查
- 提供删除请求机制，可通过 contact@reka.ai 联系
许可协议
数据集采用 Apache 2.0 许可证，允许商业使用、再分发和基于该数据的构建，需按许可证条款注明出处。
