VidSitu 视频理解数据集

VidSitu 是一个用于视频中语义角色标注任务的数据集 (semantic role labeling in videos, VidSRL) 。 VidSitu 是一个大规模的视频理解数据源，包括 29K 个 10 秒的电影片段，以 2 秒为单位标注了动词和语义角色。实体在片段各事件中被共同引用，事件之间通过事件-事件关系连接起来。VidSitu is a dataset for the semantic role labeling task in videos (abbreviated as VidSRL). It is a large-scale video understanding resource, containing 29,000 10-second movie clips, with verbs and semantic roles annotated at 2-second intervals. Entities are co-referenced across events within each clip, and events are interconnected via event-event relationships.

搜集汇总

背景与挑战

背景概述

VidSitu是一个大规模视频理解数据集，专注于语义角色标注任务，包含29K个10秒的电影片段，标注了动词和语义角色。数据集来源广泛，具有高复杂性和多样性，适用于视频理解和分析研究。