AudioGuided-VOS (AVOS)
收藏OpenXLab2026-04-18 收录
下载链接：
https://openxlab.org.cn/datasets/OpenDataLab/AudioGuided-VOS_AVOS
下载链接
链接失效反馈官方服务：
资源简介：
为了促进基于音频的视频对象分割，我们构建了一个大规模的音频引导数据集，即AudioGuided-VOS (AVOS)，并将音频表达式引用为Tab。AVOS是RVOS、A2D和j-hmdb的延伸。我们选择三个数据集以获取其丰富的场景信息。为了获得音频注释，我们雇用了36位演讲者来完全阅读句子。为确保录音质量，要求所有扬声器都必须熟练阅读，不要结巴，卡住等情况。采样率为44、100K或以上，采样数为16位，说话速度为每分钟100-150字。说话速度应为正常说话速度，或电视播音员说话速度。在手动检查下，文本文件和音频文件的单词准确性不低于99%。每次录音的平均长度为5到6秒，总共约28小时。此外，我们进行了两轮检查。我们不仅纠正录音中的发音，还纠正原文中的语法和拼写错误。训练集、测试集和验证集的比例为75: 15:10。
提供机构：
OpenDataLab
创建时间：
2023-02-13
