VIPSeg

我们为视频全景分割任务提供了一个新的大规模数据集，该数据集旨在为视频中的所有像素分配语义类和跟踪身份。由于难以注释此任务的基本事实，因此以前用于视频全景分割的数据集受到小规模或场景数量的限制。相比之下，我们的野外大型视频全景分割 (VIPSeg) 数据集提供了3,536视频和84,750帧，并带有像素级的全景注释，涵盖了广泛的现实场景和类别。

We present a novel large-scale dataset for the task of video panoptic segmentation, which aims to assign semantic classes and tracking identities to all pixels in videos. Due to the difficulty in annotating ground truth for this task, previous datasets for video panoptic segmentation have been limited by small scale or the number of scenes. In contrast, our In-the-wild Video Panoptic Segmentation (VIPSeg) dataset provides 3,536 videos and 84,750 frames with pixel-level panoptic annotations, covering a wide range of real-world scenarios and categories.

搜集汇总

背景与挑战

背景概述

VIPSeg是一个用于视频全景分割任务的大规模数据集，旨在为视频中的所有像素分配语义类和跟踪身份。它提供了3,536个视频和84,750帧的像素级全景注释，覆盖广泛的现实场景，解决了以往数据集规模小或场景有限的问题，由浙江大学、北京交通大学和百度研究于2022年联合发布。