SWORD

具有遮挡区域数据集 (SWORD) 的场景包含约1500个视频，平均每个视频50帧。该数据集是在处理了静态现实生活中的城市场景的手动捕获的视频序列之后获得的。数据集的主要属性是紧密物体的丰富性，因此，闭塞的患病率更高。对于每个视频，姿势形成一个轨迹，其中每个姿势指定沿轨迹的摄像机位置和方向。The dataset with occluded regions (SWORD) contains approximately 1500 videos, with an average of 50 frames per video. This dataset is obtained by processing manually captured video sequences of static real-world urban scenes. The core attribute of this dataset is the abundance of closely packed objects, leading to a higher prevalence of occlusions. For each video, the camera poses form a trajectory, where each pose specifies the camera's position and orientation along the trajectory.

搜集汇总

背景与挑战

背景概述

SWORD是一个具有遮挡区域的场景数据集，包含约1500个视频，平均每个视频50帧，基于现实城市场景的手动捕获视频序列处理获得，特点是物体密集、遮挡普遍，每个视频的姿势形成轨迹，指定摄像机位置和方向。该数据集由斯科尔科沃科学技术研究所和Samsung AI Center New York于2022年发布。