WildVVAD

WildVVAD数据集是由法国国家信息与自动化研究所格勒诺布尔-阿尔卑斯分部和格勒诺布尔阿尔卑斯大学创建的，旨在通过视觉特征预测人是否在说话。该数据集包含13,000个两秒的视频，涵盖了多种头部姿态、分辨率和视频质量，以及不同的种族、年龄和性别。数据集的创建过程涉及自动化的数据采集和标注，结合音频语音活动检测和面部检测技术。WildVVAD数据集主要应用于视觉语音活动检测领域，特别是在音频信号难以分析或缺失的情况下，提供了一种有效的解决方案。