MUSES (MUlti-Shot EventS)

MUSES 是用于时间事件（动作）定位的大规模数据集。它侧重于多镜头事件的时间定位，这些事件是通过多镜头捕获的。此类事件经常出现在编辑过的视频中，例如电视节目和电影。 MUSES 中包含的内容： 3,697 个电视剧和电影视频 716 小时持续时间 25 个事件类别 652k 个镜头 31,477 个带注释的事件实例

搜集汇总

背景与挑战

背景概述

MUSES是一个用于时间事件定位的大规模数据集，专注于多镜头事件，常见于电视剧和电影等编辑视频中。它包含3,697个视频、716小时时长、25个事件类别和超过31,000个标注事件实例。