VidSTG 大规模视频接地数据集

VidSTG 数据集是一个基于 VidOR 数据集构建的时空视频接地数据集。 VidOR 是一个视频关系数据集，包含 7,000 、 835 和 2,165 个视频，分别用于训练、验证和测试。时空视频接地（Spatio-Temporal Video Grounding task）任务的目标是定位未剪辑视频的时空部分，该部分与描述目标的给定句子相匹配。

The VidSTG dataset is a spatio-temporal video grounding dataset built upon the VidOR dataset. VidOR is a video relationship dataset that includes 7,000, 835, and 2,165 videos for its training, validation, and test splits respectively. The Spatio-Temporal Video Grounding task aims to locate the spatio-temporal segment in an untrimmed video that matches the given natural language sentence describing the target.

搜集汇总

背景与挑战

背景概述

VidSTG数据集是一个基于VidOR构建的时空视频接地数据集，包含用于训练、验证和测试的7,000、835和2,165个视频。其核心任务是通过给定句子定位未剪辑视频中的相关时空部分。