SAMText-9M

该数据集是一个大规模的数据集，包含了超过2400个视频片段，并为视频文本检测生成了超过900万的遮罩标注。该数据集采用了一种遮罩标注流程，这一流程改进了现有的边界框标注方法，能够更好地处理复杂的场景，如密集或弯曲的文本。这些数据来源于2400多个视频片段，共产生了超过900万的遮罩标注，其任务旨在进行视频文本的检测与分割。