VGGSound-Sparse

与时空数据集密集 (例如，LRS3中裁剪的谈话面孔) 相反，我们对解决时空视频稀疏的同步感兴趣。由于其具有挑战性，尚未建立衡量进展的公共基准。为了弥合这一差距，我们策划了一个视频VGGSound的子集，这些视频具有在时间和空间上稀疏的视听对应关系。我们称之为VGGSound-稀疏。它由6.5k视频组成，跨越12个 “火花” 类，如狗吠，砍柴，滑板等。

搜集汇总

背景与挑战

背景概述

VGGSound-Sparse是一个针对时空视频稀疏同步问题的公开基准数据集，基于VGGSound子集构建，包含6.5k个视频，覆盖狗吠、砍柴等12个'火花'类别。该数据集由牛津大学、上海交通大学和坦佩雷大学于2022年发布。