VGG-SS

该数据集名为VGG-SS，主要用于评估声音定位性能，其中包含了边界框注释。此外，该数据集提供了大约5,000个样本的声音源边界框注释，旨在对声音源定位评估任务进行支持。This dataset, named VGG-SS, is primarily used for evaluating sound localization performance and includes bounding box annotations. Additionally, it provides bounding box annotations for approximately 5,000 audio samples, aiming to support the sound source localization evaluation task.

搜集汇总

背景与挑战

背景概述

VGG-SS是一个音频-视频定位基准数据集，基于VGG-Sound数据集构建，包含超过5,000个视频剪辑，涵盖220个类别，每个视频中的可见声音源均用边界框标注。该数据集规模是现有类似数据集的20倍，且专注于视频而非图像，用于支持声音源定位研究。