Ablation study of fine segmentation unit in CTG-Net.

Figshare2022-08-11 更新2026-04-28 收录

图像分割消融实验

细粒度分析

数据链接：

https://figshare.com/articles/dataset/Ablation_study_of_fine_segmentation_unit_in_CTG-Net_/20477089 数据链接链接失效反馈

官方服务：

资源简介：

Ablation study of fine segmentation unit in CTG-Net.

创建时间：

2022-08-11

VERIFIED

视频标注

细粒度分析

VERIFIED是由清华大学开发的自动视频文本标注管道，旨在生成具有可靠静态和动态细节的细粒度视频标注。该数据集包括Charades-FIG、DiDeMo-FIG和ActivityNet-FIG，这些数据集通过使用大型语言模型（LLM）和大型多模态模型（LMM）生成多样化的细粒度标注。数据集的创建过程结合了静态和动态增强的标注模块，并通过细粒度感知噪声评估器过滤不准确的标注。VERIFIED数据集

arXiv2024-10-11 更新1580

BEAR (Behaviors for Environment and Actions Recognition dataset)

行为识别

细粒度分析

BEAR数据集是一个面向细粒度行为识别的新视频数据集，由上海交通大学创建。该数据集专注于两个主要因素定义的行为：环境和动作。它包括两个细粒度行为协议，以及多个子协议作为不同场景。该数据集旨在提供一个公平和全面的细粒度视频行为数据集，通过控制行为的环境和动作这两个决定性因素，为行为识别领域提供严格的基准和精心制作的注释。

arXiv2025-03-26 更新940

Clothing Attributes Dataset

服装属性识别

细粒度分析

我们引入服装属性数据集，以促进学习对象视觉属性的研究。该数据集包含1856个图像，具有26个地面真相服装属性，例如 “长袖”，“有衣领” 和 “条纹图案”。标签是使用Amazon Mechanical Turk收集的。

OpenXLab130

Fine-FashionIQ, Fine-CIRR

图像检索

细粒度分析

本文介绍了两个细粒度的图像检索数据集：Fine-FashionIQ和Fine-CIRR，它们通过精细注释现有CIR数据集（FashionIQ和CIRR）而创建。这些数据集旨在提升图像检索系统中对细粒度修改意图的理解和检索精度，减少不准确的正样本，并解决传统粗粒度修改文本在检索视觉相似图像时存在的模糊性问题。

arXiv2025-03-27 更新1070

SUB

图生成

细粒度分析

SUB是一个细粒度的图像和概念基准，包含基于CUB数据集的38,400张合成图像。它选择了33个鸟类类别和45个概念来生成反事实图像，这些图像替换了特定的概念，如翅膀颜色或腹部图案。通过新颖的Tied Diffusion Guidance (TDG)方法，可以精确控制生成的图像，确保生成正确的鸟类类别和属性。

github2025-08-01 更新220

Ablation study of fine segmentation unit in CTG-Net.

资源简介：

相关数据集