HQ-YTVIS

对于HQ-YTVIS，我们按照YTVIS中的比率将原始YTVIS训练集 (2238视频) 分为新的火车 (1678视频，75%)，val (280视频12.5%) 和测试 (280视频12.5%) 集。VMT通过迭代训练对HQ-YTVIS火车子集上的遮罩注释进行自我校正，而较小的val和test集则由人工注释器仔细检查并重新标记，以确保较高的遮罩边界质量。