YouTube-VOS 2022

我们收集了第一个用于视频实例分割的大规模数据集，称为YouTube-VIS，这是基于我们最初的YouTube-VOS数据集。具体来说，我们的新数据集 (2022版本) 扩展了长视频以进行验证和测试。
71个附加长视频 (3430帧)
259额外的唯一视频实例
9304高质量的手动注释
额外的长视频 (L) 与以前的视频 (S) 分开评估，最终的地图是mAP_L和mAP_S的平均值。

We present the first large-scale dataset for video instance segmentation, dubbed YouTube-VIS, which is developed based on our initial YouTube-VOS dataset. Specifically, the 2022 version of this new dataset extends long videos for validation and testing purposes, with 71 additional long videos (totaling 3,430 frames), 259 extra unique video instances, and 9,304 high-quality manual annotations. Additional long videos (denoted as L) are evaluated separately from the original shorter videos (denoted as S), and the final mAP is calculated as the average of mAP_L and mAP_S.

搜集汇总

背景与挑战

背景概述

YouTube-VOS 2022是一个用于视频实例分割的大规模数据集，基于原始YouTube-VOS扩展，新增了71个长视频（3430帧）和259个额外视频实例，包含9304个高质量手动注释，并引入长视频与短视频分开评估的机制。该数据集由字节跳动、伊利诺伊大学厄巴纳香槟分校和苹果公司于2022年3月20日联合发布，旨在支持视频实例分割任务的研究和评测。