VidOR

该数据集是从YFCC100M收藏中提取的大规模视频数据集，包含了带有注释的时空关系视频。它涵盖了80个对象类别和50个关系谓词类别，大约有38万个关系实例被注释。数据集的规模包括10,000个视频，其中7,000个用于训练，835个用于验证，2,165个用于测试。该数据集的任务是视频视觉关系检测（Vidvrd）。

This is a large-scale video dataset extracted from the YFCC100M collection, containing annotated spatio-temporal relational videos. It covers 80 object categories and 50 relational predicate categories, with approximately 380,000 annotated relational instances. The dataset comprises 10,000 videos in total, where 7,000 are allocated for training, 835 for validation, and 2,165 for testing. The task of this dataset is video visual relationship detection (Vidvrd).

搜集汇总

背景与挑战

背景概述

VidOR数据集是一个包含10,000个视频的大规模视频对象关系数据集，标注了80类对象的边界框轨迹和50类关系谓词，适用于视频对象关系理解的研究。数据集分为训练、验证和测试集，并已用于多个多媒体挑战赛和研究项目。