VISOR

VISOR是一个新的数据集，包含像素级注释和基准套件，用于在以自我为中心的视频中分割手和活动物体。该数据集特别关注物体经历转换交互时的短期和长期像素级注释一致性，如洋葱剥皮、切块和烹饪过程中的精确像素级注释。