FineDiving是由清华大学开发的一个细粒度体育视频数据集，专注于各种跳水事件，是首个用于评估动作质量的细粒度体育视频数据集。该数据集包含3000个视频样本，覆盖52种动作类型和29种子动作类型，每个视频都通过两级语义和时间结构进行详细标注。数据集的创建过程涉及从YouTube等平台下载高质量的竞赛视频，并由专业运动员进行标注。FineDiving数据集的应用领域主要集中在通过详细标注来推动更

arXiv2022-04-08 更新2410

soccernetpro-localization-tennis

网球动作识别

体育视频分析

SoccerNetPro Localization (Tennis) 是一个专注于网球动作识别与时间定位的数据集，采用 OpenSportsLab / SoccerNet 风格的数据格式。该数据集包含数千个短视频片段（.mp4 格式），并按训练集、验证集和测试集进行组织。每个视频片段配有相应的 JSON 格式的定位标注，标注内容包括事件类型、时间戳（以毫秒为单位，相对于片段的起始时间）以及可选的元

Hugging Face2026-02-18 更新340

FineBadminton

体育视频分析

细粒度视频理解

FineBadminton是一个专门为羽毛球视频理解设计的细粒度数据集，包含了3215个回合剪辑和33325个击球。该数据集拥有独特的多层次语义标注层次结构，包括基础动作、战术语义和决策评估，为深入理解羽毛球比赛提供了前所未有的深度。数据集的创建过程采用了创新的多语言大语言模型驱动的自动化标注流程，结合了人工精炼，确保了高质量标注。数据集旨在解决当前视频分析在深度体育视频分析中的挑战，并促进细粒度

arXiv2025-08-11 更新2630

SportsHHI

体育视频分析

交互检测

SportsHHI数据集专注于体育视频中的人与人交互检测，由国家软件新技术重点实验室创建。该数据集包含34种高级交互类别，主要来自篮球和排球运动，共标注了11,398个关键帧中的118,075个人体边界框和50,649个交互实例。SportsHHI旨在通过详细的时空上下文推理，理解复杂的多人视频中的高级交互，如战术协作或对抗，推动视频视觉关系检测中时空上下文建模技术的发展。

arXiv2024-04-06 更新560

NFL-ID: Extracted Frames From Train Videos

资源简介：

相关数据集