SA-V：Meta 构建最大的视频分割数据集

SA-V 数据集是由 Meta 公司于 2024 年构建的一个大规模视频分割数据集，它被用于训练和评估 Meta Segment Anything Model 2（简称 SAM 2）。这个数据集的规模和多样性都非常大，包含了约 51,000 个真实世界视频和 643K 个时空遮罩（masklets）注释，在大小上比其他同类数据集大 50 倍左右。

The SA-V dataset is a large-scale video segmentation dataset developed by Meta in 2024, intended for training and evaluating Meta Segment Anything Model 2 (abbreviated as SAM 2). It boasts considerable scale and rich diversity, encompassing approximately 51,000 real-world videos and 643K spatial-temporal masklet annotations, with a size roughly 50 times that of other comparable datasets.

搜集汇总

背景与挑战

背景概述

SA-V数据集是Meta公司于2024年构建的大规模视频分割数据集，专门用于训练和评估Segment Anything Model 2（SAM 2）。该数据集包含约51,000个真实世界视频和643K个时空遮罩注释，规模比其他同类数据集大50倍，覆盖47个国家的多样场景，提供丰富的视觉内容以支持模型泛化。数据集的发布结合SAM 2模型的开源，为视频编辑、机器人技术、自动驾驶等领域的研究和应用提供了强大工具。