Moving MNIST

Moving MNIST 数据集包含 10,000 个视频序列，每个序列由 20 帧组成。在每个视频序列中，两个数字围绕帧独立移动，其空间分辨率为 64×64 像素。数字经常相互交叉并从框架的边缘反弹

The Moving MNIST dataset consists of 10,000 video sequences, each composed of 20 frames. In each video sequence, two handwritten digits move independently within the frame, with a spatial resolution of 64×64 pixels. The digits frequently cross each other and bounce off the edges of the frame.

搜集汇总

背景与挑战

背景概述

Moving MNIST是一个用于视频预测任务的公开数据集，包含10,000个视频序列，每个序列由20帧64×64像素的图像组成，模拟两个数字在帧内独立移动并相互交互的场景。该数据集由多伦多大学于2015年发布，常用于无监督学习和视频表示学习的研究。