DoMSEV (Dataset of Multimodal Semantic Egocentric Video)

我们提出了一个 80 小时的多模式语义以自我为中心的视频 (DoMSEV) 数据集，涵盖了广泛的活动。这些视频是使用 GoPro Hero 相机或由连接到英特尔 Realsense R200 RGB-D 相机的 3D 惯性运动单元 (IMU) 组成的内置设置录制的。不同的人在不同的照明和天气条件下录制了视频。记录器标记视频，告知拍摄某些片段的场景（例如，室内、城市、拥挤的环境或自然）、进行的活动（步行、跑步、站立、浏览、驾驶、骑自行车、吃饭、烹饪、吃饭、观察，在谈话、玩耍或购物中），如果有什么东西引起了他们的注意，以及他们与某个物体互动时。此外，我们为每个记录者创建了一个配置文件，代表他们对一组对象和视觉概念的偏好。