ActivityNet Captions

该数据集名为ActivityNet-v1.3，包含了19,994个视频，这些视频涵盖了200个不同的动作类别。该数据集按照2:1:1的比例被划分为训练集、验证集和测试集。规模上，它拥有19,994个视频和200个动作类别。该数据集的任务是进行时间序列动作检测。

The dataset, named ActivityNet-v1.3, comprises 19,994 videos spanning 200 distinct action categories. It is partitioned into training, validation, and test sets with a ratio of 2:1:1. Boasting 19,994 videos and 200 action categories, this dataset targets the task of temporal action detection.

搜集汇总

背景与挑战

背景概述

ActivityNet Captions是一个大规模的视频密集事件描述数据集，包含20,000个视频和100,000条时间定位的描述，用于检测和描述视频中的多个事件。数据集的特点是每个视频平均有3.65个描述句子，覆盖从短到长的各种事件，支持视频内容的多事件联合描述和上下文理解。